L’Intelligenza Artificiale in sanità rientra di diritto tra i grandi trend del 2022. In un settore dominato da una fortissima accelerazione tecnologica, ma anche da limiti legati alla maturità digitale delle strutture e all’assenza di un vero e proprio approccio ecosistemico, è certamente arrivato il momento non solo di introdurre, ma di cogliere i primi grandi frutti dell’Intelligenza Artificiale.
Il mercato delle soluzioni di Intelligenza Artificiale in sanità ha un futuro roseo di fronte a sé: a partire dai 6,9 miliardi di dollari del 2021, è previsto uno stellare tasso di crescita annuo fino al 2027 (46,2%), quando varrà quasi 70 miliardi di dollari. Anche qui, l’emergenza pandemica è stata un forte driver di adozione: in certe realtà, infatti, i sistemi di supporto alle decisioni cliniche hanno permesso di accelerare le diagnosi di polmonite interstiziale da Covid, supportando i medici e rendendo più tempestivo il trattamento. Come risultato, oggi si contano nel mondo centinaia di aziende pronte a valorizzare le potenzialità dell’AI nelle molte sfide che si trova ad affrontare il settore sanitario, con una particolare attenzione per le decisioni cliniche, per il patient journey e per la governance delle strutture sanitarie. I vorticosi tassi di crescita previsti sono anche una conseguenza del costante aumento delle potenze di calcolo e la disponibilità di immensi set di dati, che a sua volta dipende dall’adozione sempre più pervasiva dell’IoT da parte delle strutture e dei cosiddetti wearable da parte degli utenti finali.
Indice degli argomenti
AI in sanità e i sistemi di supporto decisionale
Il tema dell’Intelligenza Artificiale in sanità è estremamente vasto, poiché l’AI si posiziona su un layer sovrapposto alle soluzioni, strumenti e piattaforme della sanità digitale. È un tema che riguarda trasversalmente tutti i player dell’ecosistema e, come tale, va approcciato in modo sistemico, cercando di coglierne le varie sfaccettature a seconda del target cui si riferiscono le varie applicazioni.
In assoluto, i primi a poter cogliere l’opportunità sono i medici, cui la valorizzazione dei dati può fornire un’assistenza estremamente utile e proficua. L’ambito più promettente è quello dell’analisi dei dati non strutturati, e in particolare delle immagini. Secondo l’Osservatorio Innovazione Digitale in Sanità del Politecnico di Milano, le relative soluzioni sono adottate da più del 20% delle strutture, e si arriva addirittura al 50% includendo le sperimentazioni. In quest’area si colloca l’analisi dell’imaging radiologico: qui l’analisi dei dati supporta il medico nelle decisioni cliniche, permettendogli di concentrarsi sui casi più complessi. La dinamica “win-win” è assicurata dalla minore pressione sui professionisti, da un esito migliore per i pazienti e dalla riduzione dei costi per le strutture. È sempre l’AI, inoltre, ad alimentare progetti avanzati di radiomica e radiogenomica su cui si basa il grande percorso verso la medicina di precisione (o personalizzata).
Rispetto alle soluzioni citate, si rileva un forte interesse da parte dei medici specialisti, ma va anche sottolineato quanto il quadro sia in continuo divenire e non manchino gli ostacoli. Uno su tutti: la qualità delle immagini, che non è omogenea tra le strutture e può condurre a cattive interpretazioni. Inoltre, l’adozione dell’AI come strumento di supporto alle decisioni cliniche apre valutazioni di natura etica. come quelle affrontate dal documento Ethics and governance of artificial intelligence for health dell’OMS, nel quale si ribadisce la necessità di garantire autonomia e discrezionalità del medico sulle decisioni cliniche.
In ogni caso, quello dell’analisi dell’imaging è un ambito su cui si stanno concentrando gli sforzi di moltissime aziende e su cui si costruirà la sanità del futuro. Un esempio su tutti: l’azienda israeliana AIDOC, che ha recentemente ricevuto un investimento da 66 milioni di dollari, crea sistemi finalizzati a potenziare l’efficacia dei radiologi segnalando loro tutte le anomalie riscontrate nell’imaging sorgente. In questo modo, il professionista può agevolmente identificare situazioni ad alto rischio, cui dare la massima attenzione e priorità.
Quanto appena descritto rientra inoltre nel macro-tema della personalizzazione del trattamento e dell’iter terapeutico. A tal fine ci si basa su piattaforme che arricchiscono i dati non strutturati dell’imaging radiologico con quelli (strutturati) delle cartelle cliniche, dei fascicoli sanitari e di altre fonti, così da applicare modelli predittivi e suggerire al medico percorsi di cura tailor-made. Rientrano quindi in questa categoria anche le tecnologie dedicate a valorizzare contenuti redatti in linguaggio naturale (NLP), che tra anamnesi e referti rappresentano buona parte del potenziale (inespresso) della sanità contemporanea.
Sfruttare l’AI a beneficio delle strutture e del sistema sanitario
Intelligenza Artificiale in sanità si interseca con un altro tema molto sentito a livello sistemico, ovvero quello della sostenibilità. Secondo l’Osservatorio GIMBE, “oltre € 12 miliardi di sprechi e inefficienze vengono assorbiti da sovra- e sotto-utilizzo di servizi e prestazioni sanitarie e da inadeguato coordinamento dell’assistenza”. Da ciò derivano i tradizionali limiti del sistema: tempi lunghi di attesa, sovraccarichi per le strutture e il personale, servizio non tempestivo nei confronti dei cittadini. Questo tema, di portata estremamente ampia, ha portato a diversi interventi atti a migliorare l’appropriatezza prescrittiva, vero e proprio pilastro che sorregge il bilanciamento tra l’efficacia dei servizi e la sostenibilità del sistema.
Gli strumenti che supportano le decisioni cliniche possono avere un forte impatto anche a livello sistemico, perché l’aggregazione di dati degli esami diagnostici, cartelle cliniche, referti di vario genere, dati di telemedicina, dispositivi IoT e wearable permettono di valutare l’appropriatezza prescrittiva grazie ad appositi indicatori, portando a un progressivo azzeramento degli eccessi. Azzeramento degli eccessi che significa anche ridurre i tempi di attesa, razionalizzare i costi e fornire un servizio di maggiore qualità al paziente.
Per sfruttare al massimo l’Intelligenza Artificiale in sanità, occorre poi porsi dal punto di vista del management della struttura sanitaria e ragionare in termini di data-driven governance. Sprechi, processi lacunosi e inefficiente gestione delle risorse conducono infatti a un’impennata di costi e, specularmente, a una bassa soddisfazione del paziente. I dati a disposizione delle strutture sono un’enorme miscela di dati strutturati e non: anagrafiche, accessi ai servizi, documenti amministrativi, prescrizioni, esami e referti, con una forte eterogeneità tra di loro. La capacità di raccogliere e organizzare tutti questi dati facendoli confluire in appositi KPI permette di identificare eventuali sacche di inefficienza da gestire con tempestività. Inoltre, il monitoraggio costante dei processi, delle tempistiche e dei costi sommato all’approccio predittivo dell’AI, può indirizzare gli investimenti, la riprogettazione dei processi e la rifocalizzazione delle risorse verso servizi utili e particolarmente richiesti all’interno del patient journey.
Migliorare la salute e il journey dei pazienti
Tutte le applicazioni di Intelligenza Artificiale in sanità hanno un impatto sull’esperienza del paziente, ma alcune sono indirizzate direttamente a lui. Rientrano in quest’ambito le soluzioni connesse per la prevenzione e l’Assisted Living, temi dal fortissimo potenziale che si intersecano con l’IoT, la robotica e la telemedicina.
Altro trend da osservare attentamente è quello dell’autodiagnosi, nel quale si nota un particolare fermento per l’AI conversazionale: chatbot che, pur non sostituendosi al medico, “ascoltano” i sintomi del paziente (un caso interessante è Buoy Health) per indirizzarli verso il miglior specialista, fornire un’indicazione sul livello di gravità e suggerimenti sui passi da compiere. Il tutto, peraltro, si estende con grande efficacia agli ambiti della salute mentale e del supporto psicologico. Se poi entriamo nel monitoraggio remoto, nella prevenzione e nella gestione degli stili di vita troviamo altri segmenti al tempo stesso ben presidiati e dall’alto potenziale, sui quali costruire non solo use case interessanti per l’AI, ma anche per la sanità del futuro.
