Healthcare digitalization: il futuro è scritto da AI e tecnologie Next-Gen

Healthcare digitalization è il percorso che la Sanità ha intrapreso per fronteggiare le innumerevoli sfide dell’era contemporanea.  

Il Servizio Sanitario Nazionale (SSN), messo a durissima prova dall’emergenza Covid, sta investendo sempre più sul digitale per snellire i processi e abbattere le inefficienze, migliorando l’appropriatezza prescrittiva, ovvero l’adeguatezza delle prescrizioni diagnostiche o terapeutiche alle effettive esigenze del paziente, e riducendo i tempi di attesa. Date tali premesse, non stupisce che nel 2021 la spesa per la healthcare digitalization sia stata di ben 1,69 miliardi di euro, con un incremento del 12,5% rispetto all’anno precedente (fonte: Osservatorio PoliMI). 

La digitalizzazione del settore è un’esigenza molto sentita anche nella Sanità privata, laddove il tema è quello della centralità del paziente e dell’ottimizzazione della sua esperienza. Il tutto, ovviamente, per migliorare la precisione dei risultati e degli esiti sanitari, per perfezionare i processi interni e per intercettare la domanda non soddisfatta da SSN, eventualmente proponendo servizi ad hoc a prezzi calmierati. 

Healthcare digitalization: 3 ambiti di intervento  

Come in tutti gli altri settori, anche la sanità digitale è percepita come unica vera strada capace di bilanciare la sostenibilità economica del sistema (o della struttura) con la qualità dell’esperienza del paziente. È evidente che una riduzione dei tempi di attesa, un accesso rapido agli esami diagnostici e ai percorsi di cura abbiano importanti conseguenze in termini di efficacia dei percorsi stessi. La healthcare digitalization si manifesta, dunque, in diversi ambiti, tra cui: 

• supporto alle decisioni cliniche, sulla base dell’analisi di dati derivanti (anche) da dispositivi medicali connessi e indossabili. Un’area in rapida evoluzione è l’analisi automatizzata dell’imaging radiologico;  
   
• perfezionamento dell’esperienza del paziente attraverso sistemi di prenotazione self-service, ottimizzazione di processi come l’accettazione o il triage ospedaliero, sistemi evoluti di pagamento e di ritiro degli esiti, assistenti virtuali e tutto l’universo della telemedicina, il cui potenziamento è uno degli obiettivi del PNRR; 
   
• data-driven governance, ovvero analisi dei dati a supporto delle decisioni delle strutture, finalizzate a renderle più efficienti ed efficaci a livello di offerta. 

Data management: il valore di AI e delle tecnologie Next Gen 

La healthcare digitalization presuppone capacità avanzate di data management. Le strutture sanitarie, tipicamente ricchissime di dati, devono essere in grado di scegliere quelli rilevanti, di acquisirli e gestirli correttamente, tenendo conto sia delle esigenze di qualità del dato, sia delle necessità di conformità normativa in un settore fortemente regolato. 

Sotto questo profilo, tuttavia, la Sanità deve affrontare numerose sfide che la separano da un paradigma realmente guidato dai dati. Tra queste: 

• dispersione dei dati in silos, fenomeno che riduce l’interoperabilità e rende complesse le operazioni di integrazione e valorizzazione del dato; 

• carente cultura del dato, e dunque scarsa consapevolezza delle sue potenzialità;  

• security posture, nello specifico una miglior gestione e organizzazione dei dati relativi allo stato della sicurezza dell’infrastruttura IT e maggior efficienza nel reagire a eventuali attacchi. 

Da una corretta gestione del ciclo di vita dei dati segue la capacità di valorizzarli attraverso tecniche di Intelligenza Artificiale (AI), orientando il tutto verso il perfezionamento dell’esperienza del paziente. L’intelligenza artificiale nella sanità, o meglio il Machine Learning (ML), può suggerire al medico le indagini da prescrivere o esortare il paziente a effettuare una visita e assumere un farmaco – sempre sotto prescrizione. Le potenziali applicazioni sono molteplici.  

Nel tema dell’intelligenza artificiale e sanità rientrano molte tecnologie Next-Gen: a titolo d’esempio, il Natural Language Processing (NLP) è alla base degli assistenti virtuali che esaminano i sintomi comunicati dal loro interlocutore e prenotano una visita con lo specialista più indicato. Sempre un sistema NLP valorizza le informazioni non strutturate di cui la Sanità è ricchissima, come referti, quesiti diagnostici e cartelle cliniche, estraendo informazioni utili per decisioni mediche.   

AI in sanità: alcune applicazioni di valore 

Come anticipato, l’intelligenza artificiale nella sanità può creare un perfetto bilanciamento tra la qualità del servizio, la centralità del paziente e l’efficienza della struttura (o del Sistema Sanitario). A testimonianza di questo, stanno affiorando diversi casi d’uso legati all’AI, tra cui:  

• raccolta di parametri vitali dei pazienti e creazione di modelli matematici predittivi in grado di anticipare il verificarsi di eventi rilevanti sotto il profilo clinico e di indirizzare i percorsi di cura, in un’ottica di medicina sempre più personalizzata;  
   
• ottimizzazione triage ospedaliero: una soluzione basata su AI potrebbe analizzare la sintomatologia esposta dal paziente e suggerire o confermare la classificazione della priorità; 
   
• gestione ottimizzata dei pazienti cronici e all’interno di percorsi di cura: la calendarizzazione di controlli, visite ed esami ripetuti può essere sviluppata con algoritmi di AI, in grado di supportare i medici nella programmazione; 

• supporto per attività di telemedicina: interfacce conversazionali, anche multilingua, possono supportare la verifica dei sintomi medici e indirizzare verso il percorso più appropriato, oltre a semplificare attività amministrative come pagamenti, ricezione referti, acquisizione documenti e tutta la fase di prenotazione. 

L’evoluzione è rapida e progressiva al tempo stesso. AI, o più in generale la Data Science, rappresenta il pilastro stabile su cui si sta costruendo il sistema sanitario di domani, un sistema più efficiente, economicamente sostenibile e, soprattutto, vicino alle reali esigenze del paziente.