Ruggero Divincenzo

Studente magistrale di Ingegneria dei Sistemi Medicali con formazione multidisciplinare in ingegneria, scienze mediche e tecnologie sanitarie innovative. Esperto in elaborazione di segnali biomedicali, imaging medico, radiomica e sviluppo di pipeline di machine learning per diagnostica. Esperienza nella progettazione di dispositivi medici, monitoraggio remoto e telemedicina. Competenze consolidate in gestione progetti, analisi di dati genomici ed ECG, simulazione e segmentazione 3D, con strumenti quali MATLAB, Python, C/C++, Java, Apache Spark, Hadoop, Simulink, OpenSim e LabVIEW. Forte attitudine al lavoro di squadra e all’integrazione tra tecnologia e pratica clinica.

Autorizzo il trattamento dei dati personali contenuti nel mio CV ex art. 13 del decreto legislativo 196/2003 e art. 13 del regolamento UE 2016/679 sulla protezione dei singoli cittadini in merito al trattamento dei dati personali

• Valutazione clinica del farmaco AVP-360X (2025) – Sviluppo e validazione di un oligonucleotide antisenso per il trattamento di lesioni cervicali HPV-correlate; pianificazione studi preclinici e trial clinico di Fase III; analisi farmacocinetica, tossicologica e confronto con tecniche chirurgiche standard.
• Impatto dell’età sulla fase Sit-to-Walk del TUG (2025, Matlab) – Analisi del controllo motorio e della stabilità posturale tramite motion capture; segmentazione e confronto tra giovani, adulti e anziani.
• Evoluzione della Tomografia Computerizzata (2025) – Studio dei principi e delle tecnologie TC, inclusa TC spirale, multistrato, Dual-Energy e sistemi a conteggio di fotoni; analisi artefatti e rivelatori.
• Radiomica e classificazione dei gliomi (2025, Apache Spark) – Pipeline per classificazione di gliomi da MRI 3D; preprocessing, PCA, bilanciamento dati e modelli ML distribuiti (Logistic Regression, Random Forest, Gradient Boosting, MLP); valutazione performance con metriche standard.
• Segmentazione e analisi di glioblastomi (2024, C++) – Segmentazione 3D di MRI, estrazione di maschere e metriche tumorali, calcolo di caratteristiche radiomiche e visualizzazione interattiva.
• Deep learning per classificazione tumori cerebrali (2024, Matlab) – Sviluppo CNN per distinzione HGG vs LGG da dataset BraTS 2020; transfer learning con ResNet50 e valutazione performance.
• Monitoraggio ECG in tempo reale (2024, Matlab) – Algoritmo di feature extraction su segnali MIT-BIH; rilevamento picchi, calcolo intervalli e preparazione dati per reti neurali.
• Analisi clinica e genetica su carcinoma renale (2024, Matlab) – Sviluppo ANN per classificazione prognostica; analisi geni differenzialmente espressi e ottimizzazione rete tramite algoritmo genetico.
• Prevenzione oncologica (2024) – Revisione delle tecnologie per diagnosi precoce e screening di tumori (seno, cervice, colon-retto) tramite biomarcatori e reti neurali.
• Chirurgia toracica mininvasiva (2024) – Analisi evoluzione VATS, vantaggi clinici, sfide tecniche e comparazione con toracotomia tradizionale.
• Innovazioni nei sistemi ECMO e LVAD (2024) – Studio di tecnologie di supporto vitale avanzato, analisi clinica e valutazione di approcci innovativi per insufficienza cardiaca avanzata.