Progettazione e implementazione di una campagna di data science su dati di malattie neurologiche

This thesis work focuses on the application of Business Intelligence and Data Analytics tools in the neurophysiological field, with the aim of exploring electroencephalographic (EEG) biomarkers on a clinical sample of 941 psychiatric patients. Overcoming the traditional approach based on static reporting, an end-to-end analytical ecosystem was developed within the Microsoft Power BI platform. The main activities included an extensive Data Engineering (ETL) phase for structuring multichannel spectral data and designing six interactive dashboards. Through the DAX language and the integration of native Machine Learning algorithms (K-Means Clustering and Logistic Regression), advanced metrics were investigated — including the Global Slowing Index, Frontal Alpha Asymmetry, and Theta/Beta Ratio — allowing the identification of pathological patterns and transversal phenotypes compared to traditional nosographic diagnoses.

Il presente lavoro di tesi si focalizza sull'applicazione di strumenti di Business Intelligence e Data Analytics in ambito neurofisiologico, con l'obiettivo di esplorare biomarcatori elettroencefalografici (EEG) su un campione clinico di 941 pazienti psichiatrici. Superando il tradizionale approccio basato sulla reportistica statica, è stato sviluppato un ecosistema analitico end-to-end all'interno della piattaforma Microsoft Power BI. Le attività principali hanno compreso un'estesa fase di Data Engineering (ETL) per la strutturazione dei dati spettrali multicanale e la progettazione di sei dashboard interattive. Attraverso il linguaggio DAX e l'integrazione di algoritmi di Machine Learning nativi (Clustering K-Means e Regressione Logistica), sono state indagate metriche avanzate — tra cui il Global Slowing Index, la Frontal Alpha Asymmetry e il Rapporto Theta/Beta — permettendo l'identificazione di pattern patologici e fenotipi trasversali rispetto alle diagnosi nosografiche tradizionali.