Negli ultimi anni abbiamo assistito a una trasformazione radicale del comparto sanitario. Quella che emergerà nei prossimi anni, complice anche l’iniezione di risorse in arrivo dal Piano Nazionale di Ripresa e Resilienza, sarà una sanità sempre più digitalizzata e data driven, votata alla miglior prevenzione e personalizzazione delle cure.
L’analisi dati in tempo reale, l’Artificial Intelligence e il Machine Learning, le Big Data analytics rappresentano per il settore un’occasione senza precedenti. Offrono, infatti, la possibilità di ottimizzare e automatizzare numerosissime attività legate ai diversi aspetti della prevenzione, della diagnostica, della cura sia nell’ambito della medicina generale sia in quella di specialità e urgenza. Diagnosi e trattamenti precoci, terapie ottimizzate, riduzione delle acutizzazioni, prevenzione di infezioni ed epidemie sono solo alcuni dei benefici realizzabili
Il patient journey nella nuova sanità data driven
Ogni prestazione contemplata all’interno del percorso di cura del paziente, il cosiddetto patient journey, genera un’enorme quantità di dati. Informazioni storicizzate richiamabili in occasioni di controlli, certo, ma non solo. Molti dati oggi possono infatti essere acquisiti e analizzati in tempo reale per garantire la continuità assistenziale in ambito domestico e potenziare l’efficacia della medicina di complessità, migliorando la qualità della vita dei pazienti cronici attraverso la riduzione delle acuzie. L’emergenza da Covid 19 è stata l’occasione per sperimentare su larga scala soluzioni innovative e, in alcuni casi, di frontiera, di cui fino a un anno e mezzo fa ci si limitava spesso solo a parlare.
Lo studio “Big Data Analytics in Healthcare Market – Forecast (2021-2026)” di IndustryArc stima che il giro d’affari legato alle Big Data analytics in sanità crescerà a un tasso medio composto del 21,7% nel prossimo quinquennio arrivando a superare i 71 miliardi di dollari nel 2025. Una ricerca (“AI In Healthcare: The Collaboration Revolution”) pubblicata lo scorso anno su Technology Review, ipotizza che l’uso dell’Intelligenza Artificiale in sanità permetterà di valutare con un anno d’anticipo e una precisione del 98% se un nuovo farmaco provocherà effetti collaterali a una determinata categoria di pazienti. I benefici delle Big Data analytics, quindi, sono evidenti e molto concreti per tutto il comparto.
Realizzare l’obiettivo della miglior sinergia tra medico e paziente
Le real time analytics nel settore sanitario favoriscono la creazione di un rapporto sinergico tra medico e assistito. Wearable e smart device incoraggiano i pazienti ad adottare comportamenti più virtuosi e centrano l’obiettivo di coinvolgerli direttamente nel processo di cura, responsabilizzandoli. Attraverso il monitoraggio sanitario a distanza, i malati cronici possono acquisire la visibilità in tempo reale sui loro segni vitali come la pressione sanguigna, la frequenza cardiaca e quella respiratoria, la glicemia, la saturazione e la temperatura corporea. Il mantenimento di parametri entro range ottimali rappresenta un incentivo, uno stimolo, una motivazione forte a seguire le prescrizioni di trattamento. Gli stessi dispositivi allertano medici e infermieri nel caso in cui le condizioni del paziente si aggravino repentinamente o nel caso in cui il paziente dimentichi di assumere la terapia nei tempi giusti.
Le applicazioni di Machine Learning e Artificial Intelligence per la sanità
Le healthcare analytics, le Big Data analytics e le tecnologie predittive rivoluzioneranno le nostre vite nei prossimi anni. Questo vale anche per la prevenzione e la cura delle patologie, la gestione delle emergenze e l’ottimizzazione delle risorse finanziarie destinate al comparto. Ma quali sono i casi d’uso più rilevanti?
Ottimizzazione dello staff
Gli algoritmi aiutano i dirigenti sanitari a stimare il corretto dimensionamento degli staff medici di un ospedale, di un pronto soccorso, di un’ambulanza evitando il rischio di finire sotto organico o, al contrario, di eccedere con le assunzioni, con un aggravio dei costi a carico del sistema sanitario. Gli algoritmi applicati alle serie storiche dei tassi di occupazione dei posti letto, degli ingressi e uscite del personale sanitario, generano previsioni puntuali della domanda e dell’offerta di personale.
Real time alert
All’interno degli ospedali e dei presidi di pronto soccorso, il real time monitoring and alerting riduce il tempo speso dal personale infermieristico nel rilevare i parametri vitali del paziente. I vantaggi più evidenti riguardano il contenimento del rischio clinico (il pericolo di complicazioni o di un peggioramento improvviso delle condizioni del malato), dei tempi di degenza e dei costi associati. I benefici indiretti riguardano invece la possibilità di dirottare il tempo risparmiato da operatori socio sanitari e infermieri verso attività di maggior valore per il paziente.
Monitoraggio di parametri e stili di vita
Grazie a dispositivi indossabili (wearable), smartwatch e smartphone si possono monitorare di continuo parametri vitali – battito cardiaco, temperatura corporea… – e analizzare gli stili di vita – qualità del sonno, eccessiva sedentarietà… – anticipando l’insorgenza di malattie cardiovascolari e diabete.
Screening
Anche i piani di prevenzione e screening possono trarre beneficio dalle analytics e dagli algoritmi di AI. Attraverso l’analisi dei Big Data è possibile intraprendere strategie sanitarie mirate su alcune regioni e zone considerate a rischio per l’incidenza di particolari patologie convogliando le risorse laddove ce n’è più bisogno.
Ricerca farmaceutica e medica
L’Artificial Intelligence è usata non solo in ambito clinico ma anche nella ricerca scientifica medica e farmaceutica, oltre che nella gestione dei trattamenti sanitari, per prevedere l’evoluzione dei virus e delle relative varianti. La possibilità di utilizzare i dati relativi alle risposte dei pazienti permette di identificare i trattamenti più efficaci per diverse patologie, analizzare i tassi di successo, la risposta delle mutazioni ai farmaci, le interazioni e isolare pattern terapeutici specifici per comprendere se esiste la possibilità di impiegare un farmaco utilizzato nella cura di una patologia anche a vantaggio di altre. Un’applicazione particolarmente interessante è il dosaggio dinamico delle terapie, che significa che applicando gli algoritmi ai dati storici relativi agli effetti delle somministrazioni dei nuovi farmaci è possibile trovare il giusto equilibrio tra tossicità ed efficienza dei principi attivi in essi contenuti.
Diagnostica per immagini
Il Machine Learning aiuta ad analizzare e confrontare centinaia o migliaia di referti clinici e immagini diagnostiche in pochi secondi, alla ricerca di pattern patologici ricorsivi o aggregati di cellule di piccolissime dimensioni, come le micrometastasi, altrimenti impossibili da identificare all’occhio umano anche esperto. Nei primi mesi della pandemia, per esempio, i modelli predittivi elaborati del colosso dell’eCommerce Alibaba hanno permesso di identificare i nuovi casi di coronavirus in soli 20 secondi partendo dall’analisi approfondita delle rilevazioni ottenute mediante TAC dei polmoni del paziente.
Telemedicina
Intelligenza artificiale e real time analytics trovano la sintesi perfetta all’interno delle piattaforme di telemedicina, teleconsulto, televisita e telemonitoraggio dei parametri clinici. Sistemi d’eccellenza per una medicina territoriale più efficace ed efficiente. Una medicina che mira a fornire a centinaia o addirittura migliaia di pazienti trattamenti personalizzati, per evitare l’ospedalizzazione quando non necessaria, migliorando la qualità della vita dei malati cronici e l’efficienza del sistema sanitario.
Medicina di precisione
La capacità di processare grandi quantità di dati alla ricerca di pattern ricorrenti consente di realizzare l’obiettivo di una medicina mirata e personalizzata, di una medicina di precisione che tiene conto delle peculiarità di ciascun paziente in termini di stile di vita, ambiente, genetica. Inizialmente applicata alla cura delle neoplasie, per cercare il giusto dosaggio dei farmaci chemioterapici, oggi la medicina personalizzata è impiegata anche nella cura dell’epilessia, della cirrosi epatica e del diabete di tipo 1.
L’impegno concreto di Vodafone Business per l’eHealth
Vodafone Business da diversi anni è in prima linea sul fronte della trasformazione digitale del comparto sanitario. Le sue tecnologie e infrastrutture costituiscono un supporto essenziale nello sviluppo di modelli di prevenzione e cura di ultima generazione, dalla teleradiologia/teleconsulto al telemonitoraggio dei pazienti Covid e cronici, per arrivare fino a chirurgia a distanza. Permettere un più ampio utilizzo della tecnologia che abiliti un modello assistenziale che potenzia l’assistenza territoriale e domiciliare intervenendo proattivamente nella cura delle persone ed evitando le ospedalizzazioni.
Tutti domini in cui le Big Data Analytics, l’Artificial Intelligence, le real time analytics e la connettività 5G svolgono un ruolo chiave nel migliorare la vita del malato con percorsi e trattamenti personalizzati, lungo tutto il patient journey.
