I big data in sanità hanno grandi potenzialità, ma devono affrontare anche alcune sfide. La pandemia, infatti, ha spinto la diffusione di strumenti digitali in ambito sanitario, dimostrando che il digitale può rendere più sostenibile, efficiente e resiliente la sanità italiana. Tuttavia non mancano le criticità da affrontare.
I dati dell’Osservatorio Innovazione digitale in sanità
Secondo l’Osservatorio Innovazione digitale in sanità del Politecnico di Milano, nel 2021 la spesa per la sanità digitale registra un incremento del 5% rispetto all’anno precedente: vale 1,5 miliardi di euro, pari all’1,2% della spesa sanitaria pubblica (25 euro per ogni cittadino).
Dalla ricerca dell’Osservatorio della School of Management del Politecnico di Milano, risulta che circa il 20% delle strutture usa già l’analisi di immagini e segnali. Le sfide da affrontare nei Big data in sanità sono dunque tre:
- integrare e rendere sinergici i sistemi, superando la dinamica dei silos informativi;
- imparare a gestire volumi e velocità di dati;
- valorizzare i dati non strutturato, estraendone valore attraverso la ricerca e la consultazione veloce a vantaggio di ulteriori analisi da parte del personale medico e dei dirigenti sanitari.
A cosa servono i big data in sanità
Il PNRR rappresenta una grande occasione per ri-pianificare il nostro sistema sanitario post-emergenza. E i big data rappresentano un’opportunità per migliorare la clinical governance e la patient experience.
Se i dirigenti sanitari avessero in ogni momento a disposizione statistiche precise sul rapporto fra diagnosi, prescrizioni degli esami ed esiti finali, potrebbero verificare eventuali sprechi, come gli eccessi di esami, e monitorare il rispetto dei protocolli.
Infatti i big data in sanità servono a:
- evitare visite ed esami superflui;
- tagliare gli sprechi come gli eccessi di prescrizione;
- ridurre i tempi d’attesa;
- migliorare l’esperienza dei pazienti;
- perfezionare la governance complessiva.
L’obiettivo delle strutture sanitarie è di adottare piattaforme di big data, dedicate alla valutazione semantica dei documenti e all’analisi dei dati. Lo scopo infatti è quello di rendere le decisioni cliniche più puntuali e ottimizzare le strategie di governance clinica.
Esempi dei big data in sanità
I casi d’utilizzo e le sperimentazioni più comuni della computer vision e big data analysis riguardano:
- l’ambito radiologico;
- l’oncologia;
- le malattie della pelle;
- le patologie oculistiche vitreo-retiniche, in particolare le retinopatie diabetiche.
