La cartella clinica ha un nuovo alleato: l’Intelligenza Artificiale.
Essa ha sempre avuto un ruolo fondamentale nel documentare le informazioni mediche di un paziente e facilitare la comunicazione tra i professionisti sanitari coinvolti nell’iter di cura.
Per questo, non stupisce che la cartella clinica sia da tempo al centro del percorso di trasformazione digitale in sanità: passare da un formato cartaceo – tutt’altro che scomparso – a uno elettronico (la classica scansione) e poi a un dato strutturato accessibile, ricercabile e valorizzabile determina benefici che si estendono dall’efficienza delle strutture all’esperienza del paziente, fino all’esito stesso del percorso di cura.
Secondo i dati dell’Osservatorio Sanità Digitale, la Cartella Clinica Elettronica è stata attivata (almeno parzialmente) da più della metà delle strutture, soprattutto nell’ambito dell’inquadramento clinico del paziente e della visualizzazione di informazioni di riepilogo. È dunque un settore ad altissimo potenziale, buona parte del quale ancora da esprimere.
Indice degli argomenti
Cartelle cliniche: l’aiuto che viene dall’Intelligenza Artificiale
Per cogliere il valore dell’Intelligenza Artificiale nell’ambito della cartella clinica digitale, l’elemento su cui riflettere è il valore del dato. Poter contare su dati certi e di qualità relativi all’iter di cura non determina solo benefici quali l’abbattimento degli errori clinici (ad esempio, ripetere esami a breve distanza), l’automazione delle procedure manuali e l’accelerazione dei flussi amministrativi, ma abilita capacità di correlazione e di arricchimento dei dati, da cui lo sviluppo di nuova conoscenza.
C’è però un ostacolo da superare: l’immenso volume di dati destrutturati che oggi compone le cartelle cliniche e che, di fatto, impedisce l’acquisizione di conoscenza.
In quest’ambito, l’AI serve soprattutto a risolvere questo problema.
Due gli aspetti fondamentali sui quali impatta l’AI nell’analisi della cartella clinica:
- Estrazione di informazioni da dati non strutturati
È la fattispecie più interessante e di prospettiva, che parte da una considerazione inquietante: più del 50% del tempo del personale medico è dedicato ad attività amministrative, tra cui la compilazione delle cartelle cliniche.
Si entra così nel campo del Natural Language Processing (NLP) per l’estrazione di conoscenza (Data Extraction) strutturata da elementi testuali e vocali. Il settore sanitario necessita di soluzioni verticali, poiché il linguaggio naturale è condizionato dal lessico di dominio, da varianti, acronimi, sigle, abbreviazioni ed espressioni personalizzate.
Le tecniche NLP possono essere impiegate per analizzare e strutturare dati già presenti negli EHR, come le note, l’anamnesi, il quesito diagnostico e, in generale, i referti, permettendone successivamente la ricerca, l’analisi e la correlazione ai fini di supporto decisionale o di ricerca.
La stessa tecnica viene impiegata per popolare automaticamente le cartelle cliniche partendo da dialoghi in tempo reale (in sede di visita, ad esempio) o da registrazioni vocali. Rientrano quindi in quest’ambito le soluzioni di trascrizione AI-based delle note vocali, con capacità di riconoscimento della terminologia clinica. Si vedrà successivamente come diversi player siano attivi in quest’ambito.
- Analytics e supporto decisionale
Gli algoritmi di apprendimento automatico (ML) applicati ai dati delle cartelle cliniche possono evidenziare correlazioni e fornire raccomandazioni personalizzate su percorsi terapeutici o iter diagnostici da percorrere. Al tempo stesso, possono favorire lo sviluppo di una data-driven governance delle strutture sanitarie, perché all’interno delle cartelle cliniche ci sono indicazioni di valore sui servizi erogati, sulla loro efficacia e anche (indirettamente) sul loro costo.
Tornando all’ambito medico, l’AI aiuta i medici nella diagnosi tempestiva, nell’identificazione dei trattamenti appropriati e nella prevenzione degli errori. Si tratta di un ambito di applicazione molto promettente e di prospettiva, ma che presuppone un’evoluzione culturale: secondo una ricerca di Stanford Medicine, per il 44% dei medici il valore dell’EHR è l’archiviazione digitale. Solo l’8% cita elementi come la prevenzione/gestione delle malattie e il supporto decisionale clinico. I benefici, in realtà, possono essere straordinari, come – ad esempio – ha dimostrato Google a proposito della diagnosi di insufficienza renale acuta.
Applicata alla cartella clinica elettronica, l’Intelligenza Artificiale offre soluzioni innovative per la valorizzazione dei dati sanitari. Numerose aziende, dalle startup alle Big Tech, sono impegnate nello sviluppo di strumenti in grado di apportare miglioramenti significativi alla qualità delle cure, alla ricerca e all’efficienza delle strutture.
Di seguito, alcuni esempi di soluzioni e tecnologie basate sull’AI che possono avere un impatto significativo sull’attivazione e la gestione della cartella clinica nelle strutture sanitarie.
Teoresi: 3 soluzioni che usano l’Intelligenza Artificiale per la cartella clinica
Il Gruppo Teoresi, realtà internazionale di ingegneria con headquarter a Torino, specializzata in tecnologie di frontiera, sviluppa progetti che applicano l’AI al settore Life Science.
Tre soluzioni, in particolare, interagiscono con le cartelle cliniche dei pazienti, popolandole con i dati raccolti e analizzati.
La prima applicazione è Smart Remote Consultation: un “plug-in” che utilizza l’AI per il riconoscimento del battito cardiaco e altri parametri durante una videochiamata di teleconsulto medico da remoto. Agevolando le consultazioni mediche a distanza, è utile per pazienti con mobilità limitata o nel caso in cui il professionista sanitario operi da remoto.
La seconda soluzione è l’AI-based Telerehabilitation: tramite una webcam, l’Intelligenza Artificiale riconosce e classifica gli esercizi di riabilitazione svolti dal paziente, fornendo feedback sull’esecuzione in tempo reale.
Infine l’AI for Supporting Clinical Decision, che analizza e classifica in automatico immagini e video clinici, migliorando la capacità diagnostica su radiografie o ecografie.
Artexe: un sistema evoluto nell’organizzazione di dati anche non strutturati
Clinika dell’italiana Artexe (parte di Maps Group) rientra nel macrocosmo delle soluzioni indirizzate ad abilitare la data-driven governance delle strutture sanitarie.
Il software si sostanzia in un potente motore semantico in grado di trasformare dati testuali non strutturati in informazioni strutturate, così da renderle un patrimonio fondamentale per le valutazioni di performance e per la governance delle strutture. Esso può dunque acquisire, indicizzare e valorizzare un ecosistema eterogeneo di flussi informativi, compresi quelli delle cartelle cliniche, semplificandone la ricerca e l’analisi grazie anche a report dettagliati e dashboard di sintesi.
Revelis: gestione della cartella clinica con tecnologie di Intelligenza Artificiale
Azienda italiana specializzata in AI, offre al mercato una soluzione specifica per la gestione ottimizzata delle cartelle cliniche e per l’analisi dei referti tramite tecnologie di intelligenza artificiale applicata ai testi.
La soluzione si chiama MeDICA, è sviluppata sulla piattaforma proprietaria Rialto e abilita l’analisi e la classificazione in forma automatica di svariate tipologie di documentazione sanitaria basandosi sul thesaurus Mesh della National Library of Medicine.
Oltre alla classificazione automatica dei documenti, MeDICA permette una ricerca multidimensionale, accelerando l’accesso alla conoscenza.
Nuance: la voce per la documentazione clinica digitale
Punto di riferimento per l’AI conversazionale, Nuance (azienda Microsoft) si rivolge alla sanità con soluzioni dedicate come Dragon Medical One, soluzione cloud-based di riconoscimento vocale. Il suo obiettivo è consentire ai medici di creare documentazione clinica digitale e completa usando la voce. Secondo l’azienda, è possibile abbattere anche il 50% del tempo speso dai team sanitari per i lavori di tipo amministrativo, con conseguenze positive anche nel rapporto con il paziente.
Suki: il Machine Learning per l’integrazione con l’EHR
L’azienda americana Suki ha sviluppato Suki Assistant, una app integrabile con i database EHR (Electronic Health Record) il cui tratto distintivo è la capacità di popolare cartelle cliniche strutturate sulla base della conversazione (a voce) tra il medico e il paziente.
L’impiego di tecniche di Machine Learning è funzionale al miglioramento progressivo delle performance, mentre l’integrazione con le soluzioni EHR abbatte le procedure manuali e integra le informazioni con la storia clinica del paziente.
Natea: l’AI in Neonatologia, Pediatria e Ostetricia
Natea è un’azienda italiana la cui missione è innovare i sistemi informativi della Neonatologia, della Pediatria e dell’Ostetricia attraverso un impiego attento e pervasivo di Machine Learning ed Intelligenza Artificiale.
L’azienda sta sviluppando un sistema innovativo di CCE per il Policlinico San Matteo di Pavia, il cui fine è il miglioramento della qualità dell’assistenza ai pazienti neonatali e pediatrici.
Il sistema sfrutterà l’Intelligenza Artificiale come aiuto per prevenire gli errori, per migliorare la comunicazione e offrire un supporto decisionale agli operatori sanitari.
In una seconda fase, saranno implementati algoritmi predittivi sulla criticità del bambino e un vero e proprio sistema di supporto alle decisioni cliniche.
Linguamatics: la tecnologia NLP per i dati clinici non strutturati
Il software I2E di Linguamatics è un’applicazione di text mining finalizzata all’estrazione e all’analisi delle informazioni. Basato su tecnologia NLP, il software analizza ampi volumi di dati clinici non strutturati, acquisisce conoscenza e si presta a rispondere a domande di qualsiasi complessità, dalla percentuale di pazienti fumatori ai trattamenti di maggiore successo per una data patologia, presentando il tutto in forma visuale e con ampia capacità di drill-down.
Amazon AWS: la cartella clinica incontra l’Intelligenza Artificiale
Basato sul Machine Learning, Amazon Comprehend Medical è il servizio del colosso del cloud computing dedicato ad estrarre informazioni da testo medico non strutturato: note, report e referti di esami di diagnostica per immagini. In quanto servizio cloud, si basa sul modello as-a-service e può essere integrato con soluzioni di cartella clinica elettronica.
Vertex AI Search: Google interroga la cartella clinica con l’Intelligenza Artificiale
Google Cloud ha annunciato nuove funzionalità per Vertex AI.
In particolare, Vertex AI Search è una soluzione pensata per interfacciarsi con le API Healthcare e l’Healthcare Data Engine di Google Cloud, oltre che con la tecnologia di ricerca e sintesi intelligente di Google Health. Ciò permette agli operatori di effettuare ricerche basate sull’Intelligenza Artificiale Generativa all’interno di un ampio database clinico, ottenendo risposte rapide e accurate.
Le nuove funzionalità consentono ai medici di interrogare sistemi di cartelle cliniche elettroniche in modo più efficiente. Con una semplice domanda, ad esempio, sugli ultimi farmaci prescritti a un paziente, il sistema è in grado di aggregare e presentare le informazioni rilevanti da diverse fonti in un unico cruscotto, evitando al medico di consultare manualmente note, fax e record vari, ottimizzando i tempi e migliorando la precisione delle informazioni.
Inoltre, Vertex AI Search può essere sfruttato per gestire procedure importanti quali, ad esempio, la verifica della conformità dei pazienti ai criteri di iscrizione agli studi clinici.
Epic: l’Intelligenza Artificiale Generativa per la Cartella Clinica Elettronica
Epic, uno dei principali produttori di EHR software, sta collaborando con Microsoft, che ha investito fortemente in OpenAI, per utilizzare l’AI Generativa in Sanità – integrandola alle sue piattaforme software EHR – al fine di analizzare le cartelle cliniche dei pazienti e identificare pattern interessanti da fornire al medico come insight.
La soluzione di Epic – che si sta testando in vari ospedali – sta testando anche funzionalità attivate tramite la voce, con il fine di permettere al medico di descrivere a voce la visita, includendo diagnosi e commenti, e lasciando al sistema di Epic il compito di trascrivere l’informazione e tradurla in codici per diagnosi e procedure.
