La Sanità è uno dei settori in cui il processo di trasformazione digitale fatica maggiormente a trovare attuazione, e l’impatto prodotto dalla pandemia da Covid-19 ha ulteriormente evidenziato la scarsa digitalizzazione del Servizio Sanitario Nazionale e l’arretratezza della sua infrastruttura informatica.
Oggi i sistemi informatici in sanità svolgono, più o meno efficacemente, le funzioni di documentazione e rendicontazione, a livello clinico e amministrativo. I nostri dati sanitari sono raccolti e organizzati in formato digitale, all’interno di cartelle cliniche elettroniche, nel Fascicolo Sanitario Elettronico e nei vari sistemi dipartimentali, aziendali, regionali e nazionali che compongono il complesso ecosistema informatico della Sanità.
Indice degli argomenti
Tre ostacoli che frenano l’innovazione della Sanità
Il primo freno alla Sanità digitale è che l’onere è stato trasferito in larga misura sul personale sanitario. Ci sono alcune eccezioni. L’adozione dei sistemi di dettatura vocale per la refertazione solleva il medico dalla fase di digitazione del referto, ma in generale il processo di informatizzazione ha aumentato, anziché ridurre, il carico di lavoro di medici e operatori sanitari. Bisogna ripensare il modo in cui le cartelle cliniche elettroniche e, più in generale, i software sanitari sono progettati. Mettere al centro l’analisi dei processi di cura, e produrre soluzioni che facilitino il lavoro dei sanitari rendendo i processi più efficienti. È necessario ridefinire le modalità in cui gli operatori si interfacciano a questi software, privilegiando sistemi a controllo vocale o gestuale, e ridisegnando l’esperienza utente.
Il secondo problema è legato alla sostanziale mancanza di standardizzazione. I dati ospedalieri sono raccolti nei cosiddetti Electronic Health Record in formati proprietari, che quindi limitano la possibilità di questi sistemi di scambiarsi le informazioni, spesso anche all’interno di una stessa struttura sanitaria. Nonostante standard per l’interoperabilità dei dati come HL7 CDA. e HL7 FHIR siano diffusi da tempo, la loro implementazione lascia molto a desiderare. Prendiamo il Fascicolo Sanitario Elettronico. È necessaria una sua evoluzione da repository documentale a “sistema di interscambio di dati (servizi) per il cittadino e per gli operatori sanitari coinvolti nei processi di cura” basata sulla standardizzazione dei formati e delle terminologie.
E questo ci porta al terzo problema. Una parte importante delle informazioni sanitarie è prodotta in forma testuale, non codificata e, quindi, non direttamente fruibile dai software. Solo una frazione delle informazioni contenute in un referto, una cartella clinica, o una lettera di dimissioni è codificata, e tipicamente lo è per finalità di rendicontazione o amministrative. Per utilizzare questi dati clinici, per esempio per la definizione di una terapia farmacologica, il medico è costretto a consultare la cartella clinica e cercare le informazioni utili alla scelta del farmaco. Il software svolge una funzione passiva, di raccoglitore. Ancora una volta, il contributo all’efficacia ed efficienza del processo di cura è limitato.
Algoritmi semantici in Sanità: il caso Artexe
L’impiego di algoritmi semantici, ovvero quell’insieme di tecniche di elaborazione del linguaggio naturale (Natural Language Processing) e di rappresentazione della conoscenza che consentono di estrarre automaticamente informazioni da testi non strutturati, può contribuire al cambio di paradigma necessario per indirizzare questi problemi. Un esempio aziendale concreto per comprendere questi aspetti è quello di Maps/Artexe. L’azienda da dieci anni ha puntato sullo sviluppo di algoritmi semantici in ambito sanitario, combinando tecniche di machine learning per l’analisi del testo e grafi di conoscenza clinici, per automatizzare l’estrazione e la codifica automatica dei concetti contenuti in testi clinici, la loro strutturazione e classificazione. Questa ricerca ha portato a realizzare Clinika, motore semantico per la Sanità brevettato nel 2019.
Un caso di applicazione è SegnalER, una piattaforma creata con l’obiettivo di gestire integralmente il processo delle segnalazioni riferite alla sicurezza delle cure e ai sinistri delle strutture sanitarie dell’Emilia-Romagna, nell’ambito dei sistemi per l’analisi del rischio clinico regionale. Il sistema funge da strumento di raccolta delle segnalazioni di eventi da parte degli operatori sanitari, ma anche per le segnalazioni dei cittadini e le eventuali richieste di risarcimento.
Per semplificare il processo di creazione di una segnalazione, è stata prevista la possibilità di effettuare una registrazione vocale attraverso smartphone che, opportunamente trasformata in testo utilizzando tecniche di speech to text, viene automaticamente classificata (in base a che tipo di evento si riferisce la segnalazione), e strutturata secondo un modello di riferimento internazionale (Minimal Information Model for Patient Safety, o MIM-PS). In questo modo è possibile raccogliere le informazioni essenziali della segnalazione in diretta (mentre attualmente possono passare anche diversi giorni prima che queste siano registrate), integrandole con foto e video utili a descrivere l’ambiente fisico e i vari fattori rilevanti per l’analisi dell’evento, e organizzare automaticamente le informazioni raccolte secondo lo schema previsto per quel tipo di evento, in modo da evidenziare gli eventuali dati mancanti e guidare gli operatori nel completamento della segnalazione.
Clinika: alla base c’è la codifica automatica delle informazioni
Le informazioni salienti dell’evento sono codificate secondo uno schema internazionale sviluppato dall’OMS (International Classification for Patient Safety, ICPS), utilizzando tecniche di estrazione e codifica automatica delle informazioni che sono alla base di Clinika. Questo consente, ad esempio, di notificare proattivamente gli eventi di interesse per un determinato referente aziendale (come per esempio il responsabile della farmacovigilanza), e di attivare, quando richiesto, i workflow necessari per la gestione dei flussi ministeriali SIMES (il sistema informativo per il monitoraggio degli errori in Sanità). Un algoritmo di de-identificazione, basato su modelli pre-addestrati in ambito clinico, è in grado di mascherare o rimuovere dai flussi tutte le informazioni personali presenti, anche quelle contenute nelle parti descrittive della segnalazione.
Il processo di codifica automatica è applicato allo storico delle segnalazioni, che oggi risiedono in una serie di fonti dati eterogenee e non connesse, che vengono uniformate e rese confrontabili a livello regionale e, potenzialmente, con altri sistemi di incident reporting a livello nazionale e internazionale che implementano lo standard. Tutte le segnalazioni sono ricercabili semanticamente, e un motore di correlazione è in grado di collegare automaticamente segnalazioni relative allo stesso evento fatte su canali diversi (es., la segnalazione fatta da un operatore e il reclamo di un care-giver).
In sintesi, processi più efficienti, in cui gli algoritmi semantici sono utilizzati come abilitatori per semplificare l’interazione tra gli utenti e il sistema, ma anche per supportare il processo di strutturazione e standardizzazione dei dati. Standardizzazione che da una parte è necessaria per permettere a SegnalER di ragionare sulle informazioni raccolte, e supportare proattivamente i referenti nella gestione del rischio clinico a livello aziendale e regionale. Dall’altra, per consentire ai sistemi un’interoperabilità non solo tecnica ma semantica di servizi e informazioni.
Altre soluzioni per semplificare e supportare i processi in Sanità
SegnalER è solo una delle applicazioni sviluppate da Artexe utilizzando algoritmi semantici. Già dal 2012, utilizzando la prima versione di Clinika, è stato realizzato un sistema per la valutazione dell’appropriatezza prescrittiva per la specialistica ambulatoriale, Clinika VAP, in grado di estrarre i concetti clinici rilevanti contenuti nel quesito diagnostico e di verificare, incrociando la prescrizione con protocolli prescrittivi opportunamente codificati, l’appropriatezza dell’esame prescritto e della priorità richiesta. Clinika VAP è utilizzato da 11 aziende sanitarie, con un bacino di utenza di oltre 7 milioni di cittadini e oltre 30 protocolli implementati.
Con Clinika Studio, una soluzione per la definizione e monitoraggio di coorti di pazienti, è possibile estrarre indizi dai diversi repository clinico-sanitari per individuare soggetti a rischio di patologie croniche, ed arruolarli in percorsi personalizzati di prevenzione, monitoraggio e cura. In tutti questi casi, l’impiego di algoritmi semantici ha consentito di realizzare soluzioni che, attraverso l’interpretazione di dati ospedalieri non strutturati e la loro trasformazione in informazioni fruibili dai sistemi informatici dei clienti, sono in grado di semplificare il processo di raccolta delle informazioni e supportare i processi decisionali delle strutture sanitarie, sia in ambito clinico che gestionale.
L’articolo è parte di un progetto di comunicazione editoriale che Agendadigitale.eu sta sviluppando con Artexe