L'Intelligenza artificiale (AI) sta prendendo piede in modo deciso anche in sanità. «Negli ultimi anni si è assistito ad una progressiva informatizzazione e digitalizzazione dei servizi legati alla sanità, anche se spesso le infrastrutture e i mezzi a disposizione non corrono di pari passo» premette la professoressa Elena Giovanna Bignami , presidente della Società Italiana di Anestesia Analgesia Rianimazione e Terapia Intensiva (Siaarti) ed esperta di Intelligenza artificiale.
Intelligenza artificiale in medicina: da quella generativa, alle reti neurali e ai chatbot. Come viene (sempre più) utilizzata
Published on November 6, 2024
da corriere.it
Gli strumenti di AI si applicano alla diagnosi, prognosi e cura del paziente. Quello che ne deriva è una medicina di precisione, personalizzata e cucita su misura. Lo studio di NetConsulting Cube: «Crescita esponenziale»
Lo conferma lo studio «Sanità Digitale 2024. L’impatto del PNRR e l’uso del dato per la trasformazione del sistema salute» condotto da NetConsulting cube nel primo semestre del 2024 - presentato oggi alla Digital Health Conference, che mette in luce come il panorama dell'AI in sanità stia rapidamente evolvendo, con previsioni che indicano una crescita esponenziale nel biennio 2024-2025 (percentuali di utilizzo basse nel 2023, destinate a triplicare nel biennio 24-25).
I settori della sanità in cui si utilizza l'AI
Ma in quali settori si sta attivando l'AI? «Nella pratica clinica, l’AI può trovare applicazione nella diagnosi, prognosi e cura del paziente - spiega Bignami, che è anche professore ordinario di Anestesia e Rianimazione all'Università di Parma - ; tramite l’analisi di immagini, possono essere identificate precocemente e più velocemente fratture o segni di malattia, tramite l’analisi di algoritmi di Machine Learning (ML) si possono stratificare i pazienti in maniera precisa e razionale e aiutare il medico nel processo decisionale clinico. Quello che ne deriva è una medicina di precisione, personalizzata e cucita su misura».
«Un ulteriore impiego si evidenzia negli applicativi per i pazienti come Chat-Gpt o S.A.R.A.H che favoriscono l’alfabetizzazione sanitaria e la scelta condivisa delle cure nonché il suo utilizzo in formazione tramite simulatori che ricreino in modo puntuale casi clinici complessi - continua l'esperta - . Nell’ambito dell’organizzazione sanitaria, i modelli di ML possono, ad esempio, essere perfettamente integrati nella schedulazione del blocco operatorio: questo permette di ridurre i costi dell’azienda sanitaria, aumentare la performance e permettere il corretto utilizzo delle risorse nonché migliorare l’esperienza dei pazienti. All’interno invece della ricerca scientifica, gli strumenti di IA sono di grande supporto per revisioni della letteratura medica, creazione di dati sintetici e miglioramenti di studi già in corso in modo da facilitare la sintesi di evidenze e la possibilità di pubblicare
L'indagine di NetConsulting è stata condotta nel primo semestre del 2024, su un campione di circa 260 tra CIO, Direttori Generali di aziende sanitarie e ospedaliere pubbliche e private; ingegneri clinici e C-level di Regioni, In-House ed enti della Pubblica Amministrazione centrale italiana. «Sebbene le percentuali attuali siano modeste, le potenzialità delle soluzioni AI sono riconosciute da tutti i principali attori del settore - dice la ricerca - : CIO, direttori generali e ingegneri clinici.
Tuttavia, emerge una chiara necessità di definire le strategie operative, soprattutto in un contesto normativo complesso come quello attuale. Le Regioni, in particolare, manifestano un desiderio di esplorare le opportunità offerte dall'AI, ma si trovano spesso in difficoltà nel trovare partner adeguati che possano guidarli in questo percorso. La sfida sarà dunque quella di bilanciare l'innovazione con la compliance, creando un ambiente favorevole che favorisca l’adozione responsabile dell’intelligenza artificiale nel settore sanitario».
Le prospettive per l'intelligenza artificiale in ambito sanitario si fanno sempre più promettenti, con una crescita significativa in vari ambiti applicativi. Le reti neurali artificiali, utilizzate per il deep learning e il machine learning, stanno passando da una penetrazione del 6,7% a ben il 21,5%. Anche l'AI generativa (come ChatGPT) mostra un incremento notevole, passando dal 2,2% al 20,7%, suggerendo un forte interesse verso applicazioni che includono assistenti vocali e chatbot avanzati per supportare le prenotazioni e l'interazione con i pazienti. Inoltre, l'intelligent data processing e il natural language processing stanno aprendo nuove frontiere nella gestione e analisi dei dati sanitari. Tra le sperimentazioni più promettenti, troviamo soluzioni in grado di redigere referti e codificare informazioni cliniche semplicemente ascoltando le interazioni tra medico e paziente, rendendo il processo più efficiente e preciso.
L'uso dell'AI si estende anche all'analisi di immagini mediche, come radiografie e TAC, contribuendo a diagnosi più accurate e tempestive. Un’ulteriore evoluzione consiste nel supportare la personalizzazione del percorso di cura, oncologica. L'intelligenza artificiale non solo può migliorare l'efficienza operativa, ma anche arricchire l'esperienza del paziente, garantendo cure più personalizzate e di qualità.
La necessità di un team multidisciplinare competente
Tuttavia, per realizzare appieno queste potenzialità, è fondamentale che gli operatori del settore affrontino le incertezze normative (in particolare da ricondurre alla privacy) e sviluppino collaborazioni strategiche con esperti del settore. «Tutto questo, però, deve essere fatto con competenza - sottolinea Bignami -. Uno degli elementi cardine della transizione dovrebbe essere l’istituzione di un team multidisciplinare di medici, infermieri, tecnici, ingegneri, analisti di dati e esperti medico-legali, che guidi l’implementazione nelle aziende sanitarie delle avanzate tecnologie di AI»
Interventi in fase di prevenzione e gestione della cronicità
Secondo lo studio di NetConsulting cube «è nell’ambito dell’Healthcare Population Management che si vedono le maggiori pianificazioni: le Regioni si preparano a investire significativamente nell'intelligenza artificiale come motore di cambiamento per il sistema sanitario, con particolare attenzione alla gestione delle cronicità. Questo approccio mira a mappare i pattern a livello di popolazione, consentendo interventi tempestivi e mirati in fase di prevenzione e gestione delle patologie (percorsi di cura)».
Le differenze tra Nord, Centro e Sud Italia
Tuttavia, dall’indagine realizzata, emerge una scarsa progettualità nei territori del Centro e del Sud Italia, dove le pianificazioni sembrano procedere più a rilento. Osservando il panorama territoriale, si cominciano a delineare differenze significative, con il Nord già avviato su progetti innovativi, mentre il Centro e il Sud dovranno attendere il prossimo biennio per avviare le proprie iniziative. Le strutture sanitarie di dimensioni intermedie, tra 500 e 1.500 posti letto, sembrano essere quelle più attive nella pianificazione, sebbene in modo contenuto. «È fondamentale, tuttavia, sottolineare la cautela di Regioni e strutture sanitarie nell'utilizzo dei dati della popolazione, temendo possibili sanzioni legate alla privacy, come già accaduto in alcuni casi. Il supporto di partner esperti sarà cruciale per sviluppare progetti tecnologici sostenibili e conformi alle normative sulla privacy, garantendo così un'adozione responsabile dell'intelligenza artificiale nel settore sanitario».
Per quanto riguarda l’Healthcare population management, i direttori generali prevedono investimenti per ridurre i costi del sistema sanitario e migliorare la qualità della vita dei cittadini, puntando anche sulla capacità di anticipare possibili epidemie. D’altro canto, i CIO, incaricati di tradurre queste visioni in progetti concreti, si mostrano più cauti e concentrati sulla raccolta e analisi dei big data, necessaria per prendere decisioni informate.
Le urgenze, secondo CIO e direttori generali
Dal punto di vista clinico, lo studio di SanitàDigitale24, realizzato da NetConsulting cube evidenzia la condivisione tra CIO e direttori generali riguardo all'urgenza di avviare progetti in ambito di diagnostica medica assistita, screening e rilevamento precoce delle malattie. Inoltre, un’area di particolare interesse per i direttori generali è l’implementazione dell’intelligenza artificiale nella gestione delle terapie farmacologiche, un passo che potrebbe migliorare significativamente l’efficacia dei trattamenti e la sicurezza dei pazienti.
Alcuni esempi di progetti avviati
A livello territoriale, non si registrano notevoli differenze tra Nord, Centro e Sud Italia, ma emergono comunque delle difficoltà. Alcuni esempi di progettualità e sperimentazioni emerse dall'indagine:
- Enti che sottolineano la presenza di problemi nella refertazione radiologica, notando che altri Paesi sono più avanzati in questo settore grazie a normative più favorevoli e a una maggiore disponibilità di fornitori;
- Un grande gruppo ospedaliero che ha presentato un progetto innovativo in ambito oncologico, volto a incrociare i profili dei pazienti con le sperimentazioni cliniche disponibili nel gruppo;
- Alcune realtà hanno avviato iniziative di AI nel campo della ricerca genomica;
- Un ente sta preparando una sperimentazione per lo screening del carcinoma prostatico, cercando di inserire figure professionali con le competenze necessarie su più fronti;
- Una realtà ha avviato una serie di sperimentazioni in vari ambiti, tra cui un progetto ministeriale sui big data sanitari, focalizzandosi su demenze e cefalee a grappolo;
- Un’altra importante realtà ha attivato collaborazioni con università per l’applicazione dell’AI nella genomica, nella radiomica e nell’imaging;
- Enti stanno sviluppando applicazioni pratiche come l’ambient listening per la refertazione automatica e strumenti che semplificano i compiti amministrativi, evidenziando l'importanza di progetti pilota (POC) per testare nuove tecnologie.
Gli ostacoli da superare per far entrare l'AI nella routine clinica
Ma ci sono ancora una serie di nodi da sciogliere per poter inserire le applicazioni di AI nella routine clinica quotidiana. «Il primo fra questi è la quantità e la qualità del dato: nei vari algoritmi di ML sono fondamentali una quantità enorme di dati (Big Data) che devono essere di qualità per restituire un buon risultato e possedere le 5 V, ovvero la veridicità, il volume, la varietà, la velocità ma soprattutto il valore - elenca Bignami - . In ambiente sanitario, non mancano i dati ma spesso sono inaccessibili perché protetti da privacy o trascritti su cartaceo. La digitalizzazione delle cartelle sanitarie potrebbe superare questo ostacolo, senza perdere di vista la figura del paziente».
«L’utilizzo dell’IA in ambito sanitario potrebbe quindi migliorare l’assistenza personalizzata del paziente, ottimizzando il processo decisionale, riducendo le diseguaglianze tra sistemi sanitari con non pochi risvolti economici. A guidare questa transizione deve però esserci una solida base etica che preservi l’autonomia dell’uomo, che sia inclusiva e egualitaria e permetta un utilizzo responsabile delle nuove tecnologie. Uno dei fondamenti è l’AI ACT, la normativa emessa dal Parlamento Europeo che si è posta di regolarizzare l’utilizzo dei mezzi dell’IA nella pratica clinica, esponendo rischi e benefici», conclude la presidente di Siaarti.