A gennaio 2023 è stata finanziata una importante iniziativa di sanità digitale da parte della Giunta provinciale di Trento per un totale di 817.000 euro. Il progetto, che si concluderà a dicembre 2024 dopo 24 mesi di attività, ha l’obiettivo di convalidare nuove modalità organizzative per la sanità, abilitate dall’impiego dell‘intelligenza artificiale (IA), e contribuire all’avanzamento delle conoscenze scientifiche e tecnologiche a supporto degli operatori nella pratica clinica.
Il modello organizzativo
L’approccio sinergico tra ricerca e servizio previsto dal progetto trova un suo contesto di sviluppo ed implementazione grazie al modello organizzativo e di governance attraverso il quale il progetto è stato ideato ed è attualmente in fase di implementazione. Partner del progetto sono la Provincia autonoma di Trento, l’Azienda Provinciale per i Servizi Sanitari e la Fondazione Bruno Kessler.
Trasversalmente ai partner agisce anche TrentinoSalute4.0, Centro di Competenza per la Sanità Digitale, che rappresenta il punto di incontro tra Sistema Sanitario, Ricerca e Territorio, divenendo lo strumento di coesione tra gli indirizzi della programmazione sanitaria, i bisogni di innovazione espressi dal Servizio Sanitario Provinciale e le opportunità offerte dalla ricerca e dalle nuove tecnologie digitali.
La governance del progetto, considerata la sua natura, l’ambito di applicazione, la pluralità di competenze e istituzioni coinvolte nonché l’alto potenziale d’impatto, è affidata a TrentinoSalute4.0, che si coordina con HIT (Hub Innovazione Trentino), fondazione che si propone di promuovere e valorizzare i risultati della ricerca e l’innovazione del sistema Trentino. Questo lavoro di rete rappresenta il contesto ideale anche per favorire un forte coinvolgimento dei clinici e dei cittadini quali innovatori e sperimentatori delle evoluzioni supportate dalla tecnologia.
La sinergia del progetto riflette inoltre la volontà di potenziare ulteriormente gli sforzi per attuare i principi indicati nel PNRR e previsti dal Decreto Ministeriale n. 77, ovvero, la disponibilità di nuovi modelli di assistenza sanitaria territoriale che siano più vicini ai cittadini e allo stesso tempo garantiscano qualità e sostenibilità dei servizi stessi, grazie ad una simbiosi di organizzazione innovativa e utilizzo mirato delle tecnologie innovative per la salute. In questo progetto in particolare, una sinergia importante è proprio data dal raccordo tra disponibilità di servizi innovativi e avanzamento delle conoscenze scientifiche e tecnologiche a vantaggio di ricercatori, sanitari e cittadini-pazienti.
Il progetto propone così – all’interno di questo approccio di rete – un “nuovo patto” tra cittadini, operatori sanitari ed istituzioni. Nel pieno rispetto del GDPR per l’utilizzo dei dati e con una forte attenzione ad un coinvolgimento informato e attivo da parte dei pazienti partecipanti, l’iniziativa rappresenta infatti un nuovo patto in cui il cittadino che vi partecipa mette a disposizione i suoi dati per aiutare ricercatori e operatori sanitari a costruire una conoscenza avanzata che possa – di converso – portare a servizi innovativi a vantaggio di cittadini stessi e della comunità trentina.
Gli ambiti del progetto
Il progetto è coerente con la Programmazione Provinciale in materia di Sanità, di Innovazione, di ricerca e di sviluppo del sistema Trentino, tramite l’adozione di una doppia traiettoria progettuale.
Da un lato, tramite la promozione di una forte Innovazione del sistema provinciale, dall’altra tramite la promozione di ricerca e sviluppo di strumenti a supporto del sistema sanitario, in particolare nell’ambito dell’IA e della Telemedicina.
Il progetto è modulare e strutturato per affrontare tre principali aree di interesse in sanità pubblica:
- cura e telemonitoraggio;
- cura e diagnostica e
- prevenzione.
Per il modulo cura e telemonitoraggio, il settore individuato è quello della cardiologia, con un modello di tele-controllo di pazienti con scompenso cardiaco. Questo filone si pone come obiettivo la validazione di un modello di gestione remota del paziente con insufficienza cardiaca, basato sull’utilizzo di device digitali e sull’assunzione di un nuovo modello organizzativo supportato dall’utilizzo di strumenti di telemedicina.
Per il modulo cura e diagnostica le attività coinvolgono due filoni distinti: uno che riguarda gli ambiti di oculistica e di diabetologia, in particolare sulla diagnosi di retinopatia supportata da tecnologie all’avanguardia, e l’altro la diagnosi precoce di disturbi visivi in età pediatrica attraverso l’utilizzo della teleconsulenza medico-sanitaria tra pediatra di libera scelta e operatori ospedalieri.
Nel primo ambito relativo alla valutazione del percorso di diagnosi di retinopatia supportato da tecnologie all’avanguardia, si affiancheranno ai medici strumenti validati di IA con l’obiettivo di valutare la sostenibilità di un nuovo modello organizzativo che integra strumenti di IA nella pratica con la possibilità di incrementare il numero di pazienti in provincia che si sottopongono alla valutazione per la retinopatia così come previsto dal Percorso Diagnostico Terapeutico Assistenziale (PDTA) del diabete. L’iniziativa si sovrappone parzialmente e completa il processo di riorganizzazione territoriale della valutazione della retinopatia diabetica avviato da APSS nel 2022 con l’acquisto di 5 retinografi collocati sul territorio provinciale raccordando le attività di riorganizzazione territoriale già avviate, ottimizzando l’uso delle risorse e strutturando un quadro di azioni complessivo e sinergico.
Il secondo contesto oggetto del progetto ha l’ulteriore obiettivo di proporre una standardizzazione nelle valutazioni dello sviluppo visivo nei bambini svolto dai pediatri in ambulatorio attraverso l’utilizzo di strumentazione medica digitale (videorefrattometri ad infrarosso).
Infine, il terzo modulo – quello di prevenzione – prende in esame il benessere e gli stili di vita nella gravidanza fisiologica e nei primi due anni di vita. L’obiettivo è sviluppare interventi mediati da chatbot per supportare e promuovere percorsi di benessere psicologico in gravidanza, raccordando quindi la strutturazione di interventi psico-educativi e comportamentali a tecnologie di virtual coach da mettere a disposizione delle famiglie dalla gravidanza ai primi due anni di vita del bambino.
La componente di ricerca sull’Intelligenza Artificiale (IA)
Un’importante componente del progetto riguarda lo sviluppo e l’utilizzo di strumenti di IA. Questo filone di lavoro è considerato rilevante ed innovativo nel sistema provinciale non solo per il potenziale di ricerca ma anche per le importanti ricadute che potrebbe portare sia in termini di efficientamento dei processi e sostenibilità nell’erogazione di alcuni servizi sanitari, sia in termini di potenziale raffinamento nella personalizzazione delle cure.
Tre sono gli ambiti in cui l’IA verrà sviluppata:
- l’ambito della cardiologia con lo sviluppo di algoritmi di predizione di rischio di complicanze,
- l’ambito della diabetologia con modelli di predizione del rischio di retinopatia in pazienti con diabete di Tipo 2,
- l’ambito dell’oculistica pediatrica per migliorare la rilevazione precoce di opacità del segmento anteriore nei lattanti.
Per quanto riguarda l’ambito della cardiologia e della predizione rischio di complicanze in pazienti cardiologici, le attività prevedono l’utilizzo di dati clinici dei pazienti affetti da scompenso cardiaco e/o con devices impiantabili. Un elemento chiave del progetto riguarda la possibilità di addestrare algoritmi di intelligenza artificiale utilizzando e integrando più fonti di dati. Da un lato, i dati presenti nei repository aziendali e i dati raccolti tramite i devices impiantabili in uso ai pazienti (es: ICD e pacemaker). Dall’altra, l’utilizzo di dati aggiuntivi raccolti dai device digitali forniti nel contesto del progetto a pazienti selezionati e di dati generati da una piattaforma digitale già in uso su quasi 500 pazienti, ovvero TreC Cardiologia.
La combinazione di questi dati, che spaziano da quelli generati dal sistema sanitario (es. dati di laboratorio) a quelli generati dai pazienti stessi (i cosiddetti patient-generated health data, o PGHD) può quindi rappresentare una ricchezza di informazione di fondamentale importanza per sviluppare algoritmi predittivi che possano stimare – tenendo conto delle diverse tipologie di dati – il rischio per un paziente cardiologico di sviluppare complicanze in un arco temporale definito.
La possibilità di creare algoritmi di IA che aiutino nell’identificazione delle classi di rischio di pazienti con più probabilità di sviluppare forme gravi di insufficienza cardiaca o comunque situazioni di potenziale criticità dal punto di vista clinico (es: predizione di ricovero per scompenso cardiaco, predizione di comparsa di aritmie, predizione di ricadute per pazienti con ischemia), rappresenta un importante contributo per una gestione più efficiente delle risorse e una programmazione di follow-up più mirati alla traiettoria specifica del paziente.
Nell’ambito che riguarda la valutazione della retinopatia diabetica è prevista la realizzazione per fini di ricerca di modelli per la predizione del rischio di sviluppare questa patologia in pazienti con diabete di Tipo 2. Anche in questo ambito l’Intelligenza Artificiale può svolgere un ruolo essenziale nell’ottimizzare processi organizzativi, migliorare la sostenibilità dei servizi e supportare operatori sanitari e pazienti nel percorso di cura.
Gli algoritmi vengono anche in questo caso addestrati con dati clinici del paziente (es. anamnesi, emoglobina glicata, pressione, stili di vita…) e immagini di retinografia, con la finalità di identificare il rischio per un paziente di sviluppare nel tempo retinopatia diabetica. L’utilizzo di questo tipo di informazioni nella pratica clinica potrà consentire la personalizzazione del percorso di cura dei pazienti affetti da diabete attuando preventivamente azioni volte a ridurre il rischio e a personalizzare gli intervalli di tempo entro cui ripetere la valutazione con un nuovo esame retinografico.
Per quanto riguarda l’ambito dell’oculistica pediatrica, l’utilizzo dell’IA è ideato per migliorare la rilevazione precoce di opacità del segmento anteriore nei lattanti. Questa componente intende migliorare la diagnosi precoce di patologie visive rare che non sono semplici da eseguire nei bambini così piccoli. L’addestramento di un algoritmo di intelligenza artificiale in questo ambito può comportare – oltre che un arricchimento dal punto di vista delle conoscenze scientifiche – anche delle fondamentali ricadute cliniche, consentendo potenzialmente di identificare in maniera precoce l’insorgenza (o anche solo il rischio di sviluppo) di problematiche visive nei lattanti. Questo è possibile analizzando dati che già vengono routinariamente raccolti dai pediatri al bilancio di salute nei primi 6 mesi di vita dei bambini (mese 1-3-6) e immagini a infrarosso degli occhi dei bambini (infra red-reflex). La possibilità di utilizzare l’IA per anticipare l’insorgenza di eventuali problematiche può risultare fondamentale per intervenire tempestivamente e quindi contribuire ad importanti risparmi in termini di costi di salute e di erogazione di interventi più onerosi che possono occorrere qualora il problema non sia stato prevenuto efficacemente.
Algoritmi utilizzati e modalità di addestramento della rete
Algoritmi di Machine Learning (ML) e Deep Learning (DL) hanno potenzialmente raggiunto una precisione paragonabile a quella di clinici esperti nella fase di diagnosi o comunque di identificazione di fattori di rischio su pazienti. Anche nel caso di prestazioni della IA leggermente inferiore a quelle generalmente dimostrate dai clinici, l’utilizzo di queste tecnologie può comunque risultare vantaggioso considerando i benefici in termini di supporto organizzativo, supporto alla diagnosi, alleggerimento del carico di lavoro per clinici e operatori e miglioramento/snellimento dei processi.
Grazie ai recenti progressi dell’IA è ora possibile sviluppare algoritmi di DL altamente performanti anche in presenza di dataset sbilanciati o con una quantità limitata di informazioni, come nel caso dei dati sanitari. Infatti, dataset pubblici (dataset specifici e disponibili per gli ambiti clinici presi in esame dalla progettualità) possono essere utilizzati per pre-addestrare gli algoritmi o per favorire l’apprendimento con tecniche di self-supervised training. Inoltre, un approccio alternativo considerato in questo progetto nel caso di scarsa numerosità del dataset è l’utilizzo di algoritmi generativi. Tali algoritmi sono in grado di creare dati sintetici simili ai dati originali e che potranno quindi essere utilizzati per raffinare ulteriormente la performance.
Il progetto prevede inoltre l’utilizzo di algoritmi di ML (appartenenti alla famiglia degli algoritmi di classificazione tipo Random Forests e Regressione Logistica) per analizzare i dati anamnestici e dedurne un fattore di rischio di sviluppo per le patologie indagate. Anche questi algoritmi apprendono in modo automatico la rilevanza dei diversi tipi di dati raccolti e – oltre a fornire un fattore di rischio – sono in grado di fornire una evidenza di quali elementi sono risultati determinanti per la stima di tale fattore (utilizzando tecniche come Shapley values o i pesi imparati dagli algoritmi).
Ove possibile, infine, il progetto prevede anche la verifica della performance degli algoritmi tramite un approccio multimodale, ovvero misurando la predizione di rischio con riferimento alla integrazione di diverse tipologie di dati (es: sia dati anamnestici sia immagini). Tale algoritmo affianca le diverse informazioni a disposizione utilizzandole in maniera combinata per effettuare un ulteriore raffinamento della previsione o classificazione del rischio stesso.
Gli algoritmi saranno sviluppati fornendo particolare attenzione alla riproducibilità e robustezza dei risultati e cercando di massimizzare la riproducibilità su dati raccolti da altri pazienti/altri centri, di modo da massimizzare la potenziale ricaduta dello studio anche in altri contesti.
Conclusioni
Quello finanziato dalla Provincia di Trento è un progetto sicuramente ambizioso, ma con un potenziale di ricaduta sui servizi alla popolazione e di miglioramento della pratica clinica notevole. Pur non essendo ancora chiaramente normato, l’interesse dei sanitari nell’utilizzo dell’IA sia nella pratica clinica che come supporto per la sostenibilità delle attività sanitarie è in forte crescita. Il progetto ha l’ambizione di esplorare questi aspetti con un coinvolgimento diretto dei vari attori interessati creando una sinergia di intenti e la collaborazione tra il mondo della ricerca e quello dei servizi sanitari offerti ai cittadini.
