Sanità: Telemedicina, Big data, Intelligenza Artificiale e competenze digitali saranno i temi centrali del 2019: gli ultimi eventi sul tema

Si è appena concluso il Milan MIT Critical Care Datathonand ESICM’s Big Datatalk, l’evento scientifico europeo dedicato allo studio delle possibili applicazioni dell’intelligenza artificiale in ambito sanitario: scienziati, ingegneri e medici internazionali a confronto per fare il punto sulle ultime tecnologie legate ai sistemi intelligenti, sulla loro diffusione nella sanità e su come saranno in grado, in  futuro, di influenzare la pratica medica.

Dopo Londra, Singapore, Madrid e Parigi il MIT Critical Care Datathon è sbarcato, per la prima volta, in Italia. Accanto alla sfida h24 che ha coinvolto gli scienziati, l’evento ha fatto da cornice ad una serie di seminari, conferenze  e sessioni interattive in cui sono stati simulati in tempo reale le query ai database dei pazienti e lo sviluppo di modelli predittivi. I ricercatori hanno spiegato il potenziale delle analisi dei Big Data nell’ambito della terapia intensiva e presentato i risultati finora ottenuti con questo tipo di ricerca approfondendo anche i temi legati alla sicurezza, alla privacy e alla qualità dei dati sensibili.

Alla base di tutto questo, l’incredibile esplosione della quantità di dati che vengono prodotti ogni giorno, di cui il Cefriel ha appena quantificato il volume: si tratta di 3 quintilioni di byte, una cifra a 18 zeri che si fa fatica a pronunciare.

Ecco perché l’intelligenza artificiale viene identificata come la prossima frontiera digitale  nel mercato sanitario: secondo uno studio pubblicato lo scorso dicembre, si prevede un tasso di  crescita dell’utilizzo di Intelligenza Artificiale del 50,2% da qui al 2025, passando dai 2,1 miliardi di dollari del 2018 a 36,1 miliardi di dollari, confermando la previsione secondo cui Telemedicina, Big data, Intelligenza Artificiale e competenze digitali saranno i temi centrali dell’anno appena iniziato.

Il mercato sanitario è uno degli ambiti più promettenti e a più alto potenziale per l’applicazione dell’Intelligenza Artificiale: attraverso il suo utilizzo è possibile effettuare diagnosi più rapide, migliorare il percorso di cura e consentire nuovi approcci assicurativi. Illuminante in tal senso lo studio  McKinsey & Company Artificial Intelligence: The next Digital frontier? in cui viene descritta la capacità di estrarre informazioni e dedurre modelli predittivi da grandi volumi di dati, immagini mediche, statistiche epidemiologiche e altri elementi; si tratta di un  potenziale enorme per supportare i medici nell’elaborare le diagnosi, prevedere la diffusione delle malattie e personalizzare il più possibile i percorsi di cura. L’intelligenza artificiale, combinata con la digitalizzazione dell’assistenza sanitaria, può consentire ai medici di monitorare i pazienti o effettuare le diagnosi a distanza così come di trasformare radicalmente il modo in cui vengono affrontate le cronicità.

La crescente adozione del Machine Learning –  la possibilità di raccogliere e gestire grandi dati grazie all’apprendimento automatico – da parte di ospedali, centri di ricerca, aziende farmaceutiche e altre istituzioni sanitarie nel mondo, sta contribuendo alla crescita dell’utilizzo dell’intelligenza artificiale nel mercato sanitario.

E proprio di Machine Learning in sanità si è parlato nel corso del Google Cloud Summit di Milano dello scorso maggio con un progetto presentato da Noovle e Arsenàl.IT che utilizza algoritmi di Machine Learning per classificare automaticamente i documenti clinici digitali ed estrarre da quelli non strutturati il maggior numero possibile di informazioni cliniche significative.  

La ricerca utilizza tecniche di Machine Learning per l’identificazione automatica delle parti salienti delle lettere di dimissione al fine di individuare automaticamente le diagnosi presenti in ciascuna sezione secondo la codifica internazionale ICD-9-CM. L’obiettivo è duplice: da un lato capire quanto e come gli algoritmi di Machine Learning e le soluzioni di Artificial Intelligence sviluppati in altri ambiti siano applicabili a quello clinico sanitario; dall’altro sviluppare algoritmi di Machine Learning specifici da trasformare in servizi collegati al FSEr, capaci di offrire un valore aggiunto sia all’ambito clinico (sviluppando applicazioni di supporto alle decisioni cliniche) sia a quello della governance regionale (medicina di popolazione, prevenzione, ecc.). La ricaduta e le potenzialità che i risultati della ricerca potranno avere dalla medicina predittiva e preventiva, offrendo vantaggi a tutta la popolazione, sono facilmente intuibili.

Gli elementi fondamentali che garantiscono la sicurezza nell’uso dei dati clinico-sanitari in questo progetto di ricerca sono molteplici. In particolare va sottolineato come il disegno dell’infrastruttura tecnologica prevede la distinzione tra il mondo del fascicolo (nel quale i dati sono in chiaro e usati per finalità cliniche) ed il mondo dei big data, nel quale i dati, dopo essere stati accuratamente anonimizzati, vengono inseriti ed utilizzati a scopi di ricerca. Tutto ciò così come previsto dalla normativa nazionale in materia.