Martina Iammarino

Martina Iammarino è una RTT presso l’Università Telematica Pegaso, con un solido background in ingegneria informatica e un’ampia esperienza nel campo della qualità del software, dell’intelligenza artificiale e dell’analisi dei dati applicata alla sanità digitale. Ha conseguito la laurea magistrale in Ingegneria Informatica presso l’Università degli Studi del Sannio  e ha successivamente ottenuto il dottorato di ricerca in Tecnologia dell’Informazione per l’Ingegneria presso lo stesso ateneo, concentrando le sue ricerche sulla gestione della qualità del software e sul debito tecnico.

La sua attività di ricerca si sviluppa su più fronti, con un focus particolare sull’applicazione di tecniche di intelligenza artificiale e machine learning per la diagnosi precoce di malattie, l’ottimizzazione dei processi sanitari e il miglioramento della qualità dei sistemi software. 

Ha collaborato a diversi progetti di ricerca di rilevanza nazionale e internazionale, tra cui il progetto DARE (Digital Lifelong Prevention) e l’iniziativa EDIH4DT per la trasformazione digitale sicura della pubblica amministrazione.

Parallelamente alla ricerca, ha maturato un’esperienza didattica significativa, insegnando corsi di programmazione e data analytics e supervisionando tesi di laurea in ambito di intelligenza artificiale e sanità digitale. 

Ha partecipato attivamente a conferenze e workshop internazionali, contribuendo con pubblicazioni su riviste scientifiche di prestigio nei settori dell’intelligenza artificiale, del software engineering e delle applicazioni mediche.

Oltre alla sua attività accademica, è membro di gruppi di ricerca specializzati in AI applicata alla medicina e fa parte del laboratorio CINI per la Sanità Digitale e le Competenze Digitali. Il suo impegno nella divulgazione scientifica include la revisione per importanti riviste internazionali e l’organizzazione di sessioni speciali e workshop su intelligenza artificiale e qualità del software.

Attualmente, le sue ricerche si concentrano sull’uso di modelli predittivi per il supporto alle decisioni cliniche, sull’applicazione di tecniche di explainable AI per la trasparenza dei modelli in ambito sanitario e sullo studio del debito tecnico nei sistemi software complessi.