Salute Digitale

Il paradigma della sanità «data-driven» deve indurre a un’attenta valutazione su dove e come gestire i dati.

I sistemi informativi attuali, progettati sul modello della medicina di attesa, costituiscono dei silos che contengono al loro interno applicazioni, logiche, dati. Questi sono pertanto dispersi su più sistemi, talvolta sono duplicati e disomogenei in quanto contenuti in base dati con formati proprietari. Questo approccio determina una forte dipendenza dai fornitori (lock-in). Per consentire lo scambio dei dati tra sistemi sono adoperate delle piattaforme di interoperabilità.

L’orientamento delle principali società di consulenza IT è di superare l’attuale impostazione “app-centrica” dei sistemi informativi sanitari adottando una visione “data-centrica” costruita intorno a piattaforme digitali di nuova generazione. Questo approccio è coerente con l’obiettivo di perseguire una sanità data-driven che vede nella centralizzazione e nella piena disponibilità del dato i due assiomi principali. Il concetto chiave è dunque di “separare i dati” dalle applicazioni, disaccoppiamento che slega la vita dei dati dalle applicazioni, garantendone l’integrità a lungo termine. Questa separazione consente anche di non dover migrare i dati quando si cambia un’applicazione, attività in genere molto complessa, costosa e spesso con risultati scadenti.

L’elemento centrale è costituito da un Common Data Layer basato su standard aperti e indipendente dai fornitori che può essere composto da diversi Repositories: Operazionale, basato su HL7 FHIR, per lo scambio e l’interoperabilità dei dati; Clinico, basato su openEHR, per la persistenza dei dati clinici; Documentale, basato sul profilo IHE XDS, per la persistenza e lo scambio dei documenti sanitari.

Il CDL può essere alimentato dai sistemi legacy proprietari, così da estrarre e posizionare i dati nel “posto e nel modo giusto”. 

Lo sviluppo delle nuove funzioni può essere realizzato con gli strumenti «low-code» della Digital Health Platform in modalità nativa «data-centrica», ossia utilizzando il Common Data Layer per la persistenza e l’interoperabilità dei dati. Quando bisognerà sostituire le applicazioni già esistenti, queste si potranno realizzare in modalità «data-centrica», così da assicurare una conversione al nuovo paradigma graduale e senza rischi. Questa strategia è oggi seguita dalle più importanti istituzioni e aziende sanitarie europee, come ad esempio il Karolinska Institutet o il NHS St. Christie Foundation Trust (il più grande ospedale oncologico d’Europa), nonché Regioni e Stati come la Catalogna, Norvegia, Slovenia, Malta, Estonia.

Tornando però ai dati, la scelta di adottare HL7 FHIR per l’Ecosistema dei Dati Sanitari sta spingendo alcune aziende sanitarie a pensare di utilizzare un Repository FHIR per la persistenza dei dati clinici. In apparenza sembra una scelta logica e coerente con gli standard nazionali, nonché una semplificazione tecnologica. Esaminando però con attenzione come FHIR gestisce i dati (logica 80/20, ossia con il 20% dei dati copro l’80% delle esigenze di interoperabilità) e il livello di maturità delle specifiche, ci si accorge che FHIR è la scelta ottimale per scambiare dati tra sistemi ma non la migliore per la persistenza dei dati clinici. La figura che segue mostra un confronto su come FHIR e openEHR trattano i dati clinici.

Come si può notare le uniche due risorse che hanno raggiunto il livello «normativo», ossia sono stabili, sono Patient e Observation. Tutte le altre sono a livello Trial Use, con differenti livelli di maturità da 2 a 5. Observation è poi un «contenitore generale» dove finiscono buona parte dei dati clinici. Il significato di questi dati è fornito dalle codifiche di alcuni elementi e dalle estensioni che «specializzano» le risorse. Anche openEHR utilizza le codifiche ma si basa sugli archetipi che nella loro struttura contengono tutti i dati che possono servire (maximum data set). Ci sono oggi 214 archetipi pubblicati e utilizzati in tutto il mondo, più di 700 a vari livelli di sviluppo. openEHR consente la modellazione dei dati che, in questo modo, coprono tutte le esigenze della pratica clinica (dall’uso più generico a quello specialistico).

Per queste ragioni la scelta ottimale, che molti stanno facendo, è di organizzare i dati in funzione dell’uso, utilizzando gli standard più appropriati ed efficaci per la loro gestione. Scorciatoie e semplificazioni non solo non portano benefici ma, al contrario, pongono limiti e creano forzature, ad esempio il proliferare di estensioni che sono la negazione stessa di uno standard dati.

Se volete saperne di più, qui trovate diversi articoli che approfondiscono alcuni dei temi che ho citato.