Dott.ssa Alessia Rondinella è Post-doc presso il Dipartimento MIFT dell’Università degli Studi di Messina, nell’ambito del progetto di ricerca “AI-Powered Digital Twins for Neurodegeneration Research: Advancing Disease Progression Modeling (NeuroTwin)”, dedicato allo sviluppo di metodologie di intelligenza artificiale per la modellazione della progressione delle patologie neurodegenerative attraverso approcci basati sui Digital Twin. Nel 2026 è stata Post-doc presso il Dipartimento di Matematica e Informatica dell’Università degli Studi di Catania nell’ambito del progetto “Integrazione dell’intelligenza artificiale nell’analisi delle immagini cerebrali nei pazienti affetti da sclerosi multipla”.

Dal 2024 è stata assegnista di ricerca presso il Dipartimento di Matematica e Informatica dell’Università degli Studi di Catania nell’ambito del progetto “HiCONNECTS – Heterogeneous Integration for Connectivity and Sustainability”.

Ha conseguito il titolo di Dottore di Ricerca in Intelligenza Artificiale nell’ambito del XXXVII ciclo del Dottorato Nazionale in Intelligenza Artificiale – Area Salute e Scienze della Vita, organizzato dall’Università Campus Bio-Medico di Roma e dall’Università degli Studi di Catania, svolgendo attività di ricerca nell’ambito del Medical Imaging.

Nel 2021 ha conseguito con 110/110 e lode la Laurea Magistrale in Ingegneria Informatica presso il Dipartimento di Ingegneria Elettrica, Elettronica e Informatica dell’Università degli Studi di Catania. Nel 2018, presso lo stesso Dipartimento, ha conseguito la Laurea Triennale in Ingegneria Informatica.

Dal 2021 è membro del gruppo di ricerca IPLab dell’Università di Catania. Ha partecipato alla International Computer Vision Summer School (ICVSS) nell’edizione 2022 e, dal 2022 al 2026, ha fatto parte del comitato organizzativo della International Forensics Summer School (IFOSS). Contribuisce inoltre alla comunità scientifica svolgendo attività di revisione per riviste e conferenze internazionali.

I suoi principali interessi di ricerca riguardano il Deep Learning applicato al Medical Imaging. In particolare, la sua attività si è concentrata sull’analisi di risonanze magnetiche cerebrali in pazienti affetti da sclerosi multipla, con particolare riferimento alla segmentazione delle lesioni, e sullo studio delle malattie neurodegenerative attraverso metodologie di stima dell’atrofia e dell’età cerebrale. Ha inoltre affrontato task di analisi di immagini TC, con applicazioni alla rilevazione di infezioni in pazienti portatori di protesi d’anca e alla rilevazione del COVID-19 in scansioni toraciche. È autrice di articoli pubblicati su riviste internazionali e di diversi contributi presentati a conferenze scientifiche internazionali.