Salute Digitale

Sono quattro le aree principali in cui impiegare le tecnologie di intelligenza artificiale (IA) per migliorare l’efficacia e il valore delle soluzioni ICT in sanità.

Le applicazioni che gestiscono i processi clinici, amministrativi e logistici, focalizzate sulla gestione dei dati, sono state fino ad oggi toccate marginalmente dalle nuove tecnologie di IA. Il perimetro funzionale di queste applicazioni è ormai costante da molti anni e la loro evoluzione è soprattutto legata ad aspetti tecnologici (architetture software, infrastrutture, interfaccia utente).

Le tecnologie IA possono migliorare notevolmente le capacità di analisi dei dati relativi ai processi sanitari (Process Data Analytics). Rispetto alla business intelligence svolta con le tecnologie tradizionali, l’IA consente di stimare e comprendere meglio le tendenze in atto, eseguire analisi predittiva, trovare le correlazioni tra diversi fenomeni.

Tale incremento nella capacità di analisi può risultare molto utile nella pianificazione delle risorse (Resource Planning), ad esempio nella gestione dei contatti (contact center), delle prenotazioni (CUP), dei posti letto e delle sale operatorie. Più informazione e consapevolezza sulle dinamiche di richiesta delle risorse permette di articolare e segmentare l’offerta di prestazioni e servizi in modo da massimizzare i risultati ottenibili. Con l’uso di alcune tecnologie di IA è possibile, ad esempio, creare dei tool per ottimizzare la pianificazione e la programmazione delle risorse, suggerendo agli amministratori dei sistemi l’impostazione delle agende di un CUP o la gestione delle code in un contact center. Un bel passo in avanti rispetto ai software attuali in cui l’onere della configurazione è a totale carico dell’utente.

Un altro ambito dove l’IA può consentire un grande salto di qualità è il supporto al processo decisionale (Decision Making). Reti neurali e meccanismi di deep learning possono incrementare enormemente l’efficacia di sistemi per la diagnosi differenziale e il supporto decisionale (CDSS), superando i limiti attuali dell’approccio basato unicamente sull’Evidence Based Medicine. La capacità di trovare correlazioni e di imparare dalla pratica clinica, tipica delle tecnologie di IA, sarà un fattore determinante per l’espansione di questo settore.

Anche nella misurazione degli outcome (Outcome measurement) l’IA può consentire un’importante evoluzione, grazie alle capacità di mining, analisi e correlazione che queste tecnologie possiedono. La misurazione degli outcome sarà sempre più importante con la diffusione di politiche e modelli basati sulla Value Based Healthcare.

C’è infine un’ultima considerazione da fare: affinché si possano realizzare gli sviluppi sopra menzionati è necessario che anche a livello di process data management ci sia un’evoluzione coerente con il quadro d’insieme generale. In altre parole nella progettazione dei nuovi sistemi applicativi bisogna non soltanto focalizzarsi, come oggi avviene, sulla mera gestione del dato e dei processi di base, ma considerare le necessità e le implicazioni che il Resource Planning, il Decision Making, il Process Data Analytics e l’Outcome Measurement sottintendono, con un approccio olistico a tutti gli ambiti della sanità digitale.