L’evoluzione del sistema sanitario verso un modello di connected care prosegue senza sosta, spinta dall’accelerazione della pandemia e dagli 8,63 miliardi di euro previsti dal PNRR per l’innovazione e la digitalizzazione del SSN.
Per comprendere i principali trend evolutivi del settor,e si può partire dagli ambiti di investimento rilevati dall’Osservatorio Sanità Digitale del Politecnico di Milano: il primo riguarda certamente le soluzioni dedicate alla raccolta e alla gestione del dato, come la Cartella Clinica Elettronica; seguono le soluzioni a supporto dell’assistenza territoriale, ovvero tutto il macrocosmo della telemedicina, nonché quelle finalizzate all’integrazione con sistemi regionali e nazionali. Per quanto siano i pilastri della sanità digitale, i sistemi di Data Analytics, di AI e Machine Learning saranno centrali in una prospettiva di periodo più lungo, visto che la valorizzazione del dato è subordinata a una corretta raccolta e management all’interno di ecosistemi molto complessi.
Nonostante l’attenzione vada principalmente alle tematiche di cui sopra, in quanto responsabili della trasformazione del sistema, l’evoluzione tecnologica sta plasmando molti trend che vanno a comporre il grande ecosistema della sanità digitale.
L’avanzata (lenta) delle terapie digitali
Nei prossimi anni sentiremo parlare sempre più spesso di terapie digitali. La possibilità di prescrivere (e legare a normali meccanismi di rimborso) app e strumenti digitali per il trattamento delle patologie incuriosisce molto i medici, che in una buona percentuale di casi (prossima al 50%, per gli specialisti) sarebbero disposti a prescriverle.
L’universo dei Digital Therapeutics, che non va confuso con quello delle app per la salute usate da milioni di persone, è certamente agli albori, quanto meno in Italia. L’idea per cui il principio attivo del farmaco diventa un algoritmo innesca questioni rilevanti circa l’iter di validazione, oltre a richiedere una fisiologica evoluzione culturale. Ciò nonostante, a livello mondiale sono già molte le aziende attive sul campo, con sistemi di realtà virtuale, videogame e app finalizzate a trattare al meglio svariate patologie, dal diabete all’ipertensione.
Telemedicina, il pilastro della connected care
Come anticipato, la telemedicina è la spina dorsale della connected care. Non stupisce che le percentuali di adozione siano aumentate a dismisura durante il covid, né che ora siano in fisiologico calo ma pur sempre ben più elevate del 2019.
Il tema resterà centrale nell’evoluzione della sanità ancora per molto tempo. In primis, perché le fattispecie concrete sono molte e in rapida evoluzione (televisita, teleconsulto, telemonitoraggio, telerefertazione…) ma anche perché il tema è connesso al miglioramento delle prestazioni e della qualità delle connessioni.
Da un lato, la telechirurgia potrebbe diventare prassi comune grazie al 5G, dall’altro occorre garantire connettività stabile e di qualità anche alle zone rurali e quelle più lontane dai centri urbani. Vanno poi gestiti temi di sicurezza, privacy e compliance, legati alla condivisione e al trasferimento di informazioni sensibili come quelle che riguardano il mondo della salute. In quest’ambito, sarà sempre più centrale il telemonitoraggio, abilitato da apposite soluzioni medicali connesse.
A breve uno Human Digital Twin?
Andando un po’ più avanti nel tempo, uno dei concept più affascinanti su cui si sta lavorando è quello del gemello digitale dell’essere umano. Le finalità sono analoghe a quelle degli altri settori: disporre di un modello digitale potrebbe accelerare a dismisura l’iter di sperimentazione dei farmaci, nonché dare il via a trattamenti innovativi abbattendo tutti i rischi connessi ai percorsi attuali.
L’evoluzione è graduale, e al momento si ipotizza di confinare le sperimentazioni ad organi e/o sistemi ben definiti. Ciò nonostante, uno studio condotto presso la Anyang Institute of Technology sostiene la fattibilità di un Digital Twin dell’intero corpo umano: “grazie alla rapida crescita delle capacità di calcolo, agli smart device, ai big data, all’acquisizione dei dati e agli sviluppi in ambito di AI […] abbiamo ragione di credere che sia possibile costruire un Gemello Digitale Umano, almeno dal punto di vista tecnologico”.
AI e Clinical Decision Support Systems
Data Analytics, AI e Machine Learning sono i pilastri del nuovo modo di erogare e gestire i servizi sanitari. Come detto, l’attenzione su questo fronte non è analoga a quella dei servizi di telemedicina o dei sistemi di raccolta e gestione del dato, ma le applicazioni di AI in sanità sono – e saranno sempre più – in grado di plasmare la connected care. La caratteristica d’elezione di AI è la sua pervasività, ovvero la capacità di favorire tutti i soggetti dell’universo della salute:
- i pazienti, dall’autodiagnosi al telemonitoraggio;
- il sistema pubblico, per le analisi epidemiologiche;
- i medici, con l’indagine sulle immagini diagnostiche e i Clinical Decision Support Systems;
- le strutture, per abilitare la data-driven governance.
L’analisi dell’imaging radiologico e tecniche di Natural Language Processing per l’indagine su dati non strutturati (referti, diagnosi, quesiti diagnostici) sono tra gli ambiti di maggior interesse e confluiscono nei sistemi per il supporto delle decisioni cliniche (CDSS).
In particolare, AI e ML intervengono nei CDSS “non basati sulla conoscenza”, ovvero su una relazione rule-based tra il quesito e la soluzione. Su questa tipologia di sistema, basata sull’auto-rilevazione di modelli nei dati clinici, si concentra la maggior parte delle attenzioni, nella consapevolezza della loro complessità e della difficoltà nel reperire ampi volumi di dati di qualità.
Medicina personalizzata o di precisione
La capacità di personalizzare le cure è da sempre un obiettivo molto importante per la medicina. Le sperimentazioni sono infatti finalizzate a ottimizzare l’efficacia dei farmaci e abbattere gli effetti collaterali rispetto ad ampi insiemi di pazienti. L’unione di AI, Human Digital Twin e genomica potrebbe finalmente portare all’ideale della medicina di precisione.
In tale ambito rientrano le sperimentazioni in radiomica e radiogenomica, che riguardano soprattutto gli ambiti oncologico e neurologico, ma anche l’adozione di algoritmi predittivi per suggerire il dosaggio corretto di alcuni farmaci, in modo totalmente personalizzato.
