Le nuove tecnologie come l’Intelligenza Artificiale, il machine learning, l’analisi e la valorizzazione dei big data, hanno un grandissimo potenziale trasformativo per molti settori industriali: quello sanitario, che già ne sta percependo gli effetti, è tra quelli che ne saranno maggiormente impattati nel prossimo futuro.
Si tratta di una trasformazione epocale che, se ben indirizzata, può rivelarsi una grandissima opportunità per migliorare l’efficienza delle strutture sanitarie, il lavoro del personale clinico, l’outcome dei pazienti e per fronteggiare le principali criticità che oggi i sistemi sanitari si trovano ad affrontare, tra cui il progressivo invecchiamento della popolazione, la cronicizzazione delle malattie, la riduzione del personale, le lunghe liste d’attesa.
Indice degli argomenti
Sanità e tecnologie avanzate: servono competenze, formazione e normative chiare
Grazie alle tecnologie più innovative, infatti, la Sanità può evolvere verso un modello sempre più personalizzato, predittivo e centrato sul paziente, apportando vantaggi significativi in termini di diagnosi, personalizzazione del trattamento e ottimizzazione dei processi clinici, con benefici per l’intero sistema in termini di riduzione di tempi e costi.
Per sfruttare appieno le opportunità dell’innovazione, però, è necessario ripensare l’intero ecosistema sanitario, portando l’innovazione a tutti i livelli, attraverso la diffusione di una cultura organizzativa orientata al dato.In questo scenario, il tema delle competenze diventa centrale: l’adozione su larga scala dell’Intelligenza Artificiale e delle altre tecnologie avanzate richiede una formazione adeguata e continua per i professionisti della salute, oltre a normative chiare riguardo alla privacy e alla gestione dei dati.
Il dato in Sanità: al centro qualità e interoperabilità
I big data possono fornire un supporto fondamentale all’attività clinica a supporto di tutto il percorso di cura del paziente in ottica di medicina di precisione, dallo screening alla diagnosi precoce, dal trattamento al monitoraggio fino alla connessione con la telemedicina.
È però necessario che i dati raggiungano un livello di qualità e completezza adeguato a garantirne il pieno utilizzo, sia sul versante gestionale che sul versante clinico. La quantità di dati potenzialmente utili in ambito clinico infatti è in costante aumento, ma il potenziale inespresso è ancora molto ampio: dei 50 petabytes di dati generati dagli ospedali in media all’anno a livello globale, solo il 3% viene oggi utilizzato. Servono infrastrutture evolute, in grado di garantire capacità elaborativa, rapidità di trasmissione, privacy e sicurezza delle informazioni sanitarie, per permettere l’interoperabilità tra sistemi informativi.
Una tematica centrale è quella relativa alla governance dei dati e all’utilizzo degli hub per lo scambio dei dati sanitari, nel rispetto delle normative sulla privacy e dei principi dello Spazio europeo dei dati sanitari.
Intelligenza Artificiale e Medicina predittiva
A livello clinico, l’Intelligenza Artificiale può rivelarsi un prezioso alleato per il personale medico, velocizzando l’attività di refertazione radiologica – per esempio con applicazioni che individuano le fratture – e indicandone le priorità, per esempio con applicazioni che segnalano sospetti di pneumotorace.
Il potenziale dell’AI nel migliorare l’accuratezza dello screening del cancro al seno, ridurre le richiamate non necessarie e semplificare i flussi di lavoro è enorme.
La Medicina predittiva, attraverso l’integrazione e l’organizzazione di tutti i dati disponibili come storia clinica, parametri fisiologici, esami di laboratorio, patologia, genomica, radiomica (tutte le informazioni dagli esami radiologici) consente di prevedere in anticipo l’insorgenza di una malattia o l’esito di un trattamento farmacologico.Poter predire il decorso di una malattia – e quindi l’efficacia o meno di una terapia costosa – ha evidenti ripercussioni anche sul sistema sanitario in termini di sostenibilità.
Ma perché questo possa essere realizzato è fondamentale creare una cartella digitale del paziente che integri tutti i dati disponibili sulla sua storia clinica e che sia visibile a tutti i medici con cui il paziente viene in contatto durante il suo percorso diagnostico e terapeutico.
A livello di apparecchiature, l’Intelligenza Artificiale è già oggi integrata in TAC, Risonanze Magnetiche, ecografi e permette, attraverso algoritmi e Machine learning, di realizzare esami più veloci e accurati, con migliore qualità delle immagini, riduzione delle radiazioni e tempi di scansione più brevi, che contribuiscono direttamente a migliorare l’esperienza del paziente, aumentando nel contempo produttività ed efficienza. L’avanzamento tecnologico “hardware” è notevole, se consideriamo che oggi in 0,23 secondi si esegue una Tac cardiaca di estrema precisione o che le macchine per la radioterapia stanno diventando sempre più precise, adattandosi anche al respiro del paziente.
Bisogna poi tenere in conto lo sviluppo della robotica, in sala operatoria e non, con potenzialità enormi. Ovviamente, più sono sofisticate le tecnologie, più cresce la mole di informazioni da elaborare.
Dati e AI per ottimizzare la gestione ospedaliera: il nuovo modello del Command Center
C’è poi il livello ospedaliero, dove l’impiego dell’AI può aiutare ad ottimizzare la gestione dell’intero ecosistema: l’analisi automatica di enormi moli di dati genera informazioni utili a prendere decisioni operative in tempo reale, ad esempio sulla gestione dei posti letto in aree critiche e non.
L’AI è in grado di prevedere i cambiamenti nello stato di malattia di un paziente o di anticipare rischi come la sepsi, una delle principali complicanze in ambito ospedaliero. Può persino prevedere il no-show di un paziente ad un appuntamento.
L’Humber River Hospital di Toronto, in Canada, che ha adottato un sistema sviluppato da GE HealthCare (di cui chi scrive è Presidente e AD, ndr.) per ottimizzare la gestione ospedaliera grazie all’uso dei dati e dell’Intelligenza Artificiale (Command Center), è riuscito a creare l’equivalente di una capacità di 35 posti letto in più grazie a questo nuovo modello organizzativo che prevede una “centrale di comando” (che può esser fisica o virtuale) dove si prendono decisioni in tempo reale basate sui dati.
Medicina di precisione, digitalizzazione e sostenibilità del sistema sanitario
In ottica di medicina di precisione, è importante sottolineare anche i progressi nell’ambito della Teranostica – termine che nasce dalla combinazione di “Terapia” e “Diagnostica”.
Si tratta di un campo di crescente interesse della medicina nucleare, particolarmente promettente nei trattamenti oncologici, in cui la sperimentazione sta compiendo passi in avanti grazie alla scoperta di nuovi radiofarmaci e allo sviluppo di nuove terapie.
In Italia c’è ancora tanta strada da fare, è necessario avere visione e volontà di innovare, anche nei processi organizzativi e gestionali.Dobbiamo agire all’interno di un ecosistema collaborativo tra tutti gli stakeholder: industria, istituzioni, mondo della ricerca. Sul fronte del procurement, è essenziale adottare modelli di partnership pubblico-privato che favoriscano investimenti sostenibili, per un utilizzo ottimale delle risorse.
Perché la medicina di precisione possa diventare realtà è necessario che la digitalizzazione del sistema sanitario, uno degli obiettivi principali della missione 6 salute del PNRR, proceda ad un ritmo più spedito rispetto a quello attuale. I fondi messi a disposizione rappresentano una grande opportunità per l’ammodernamento del parco tecnologico ospedaliero: si tratta di un vero e proprio “piano Marshall”, che in Italia permetterà di sostituire oltre 3.100 grandi apparecchiature con altre più avanzate e dalle prestazioni molto più elevate. È necessario però interrogarsi sulla sostenibilità economica e tecnologica a lungo termine, perché ad oggi non sappiamo se questo piano avrà un seguito: occorrerà assicurare risorse per il mantenimento e l’aggiornamento continuo delle infrastrutture tecnologiche e dei servizi digitali, anche post PNRR.
