IA in Sanità: per un SSN sostenibile e centrato sul paziente

La sanità pubblica italiana è un progetto tanto ambizioso quanto di difficile esecuzione. La legge istitutiva del SSN (n.833/1978) elenca i principi fondamentali:

• Universalità della copertura;
• Uguaglianza di trattamento dei cittadini;
• Globalità delle prestazioni erogate;
• Controllo democratico da parte dei cittadini;
• Unicità di gestione e la proprietà prevalentemente pubblica dei fattori di produzione.

Principi spesso implementati in maniera parziale e dovuto all’architettura del sistema, che comprende 21 “servizi regionali” suddivisi in centinaia di aziende sanitarie di diritto privato con un finanziamento non sufficiente, una domanda di salute sempre maggiore e rischi legali dovuti allo svolgimento della professione medica. Tutti fattori che minano la stabilità e l’efficienza del SSN per come lo conosciamo. Riusciranno le tecnologie innovative a garantirne la sostenibilità?

La trasformazione digitale e la gestione dei dati in sanità

La trasformazione digitale non passa dalle tecnologie bensì dal cambiamento organizzativo che si deve attuare per un utilizzo ottimale delle informazioni e dei dati.

Appare quindi evidente come la vera sfida della sanità 4.0 non sia quella dello sviluppo delle soluzioni tecnologiche che si susseguono con una dinamica spesso inattesa e turbolenta. Più complesse e articolate sono le questioni relative all’implementazione di queste soluzioni nell’ambito di sistemi organizzativi e contesti culturali spesso non pronti ad accoglierle.

Questi elementi, rendono il modello della Sanità 4.0 particolarmente meritevole di attenzione tale da stimolare un dibattito sulla necessità di rispondere alla crescente domanda di salute dei cittadini in un contesto che comporterà una profonda revisione dei modelli organizzativi per un uso più efficace delle risorse del SSN.

Infatti, come suggerito da Donato Antonio Limone, “serve una riforma organizzativa per rendere efficaci i processi di trasformazione e transizione digitale; per qualificare i servizi in rete per cittadini ed imprese; per attuare concretamente le esigenze di partecipazione dei cittadini; per rendere veramente trasparente l’azione amministrativa e le decisioni pubbliche; per un monitoraggio permanente del rapporto costi/benefici delle attività e dei servizi amministrativi” con una particolare attenzione ai servizi territoriali, vero punto di accesso equo alla prevenzione ed alle cure domiciliari che la missione 6 del PNRR affronta con molte risorse ma con qualche problema sul personale da impiegare.

Ricordiamo infatti che, dopo la previdenza, la sanità è il secondo fattore di spesa italiano ma, nonostante sia ricca di dati, sia generati sia raccolti, stenta a farne un uso ottimale anche causa del quadro normativo complesso e di non facile ricostruzione specialmente per quanto riguarda il corretto inquadramento di molteplici situazioni da una prospettiva di protezione dei dati stessi.

Anche per combattere la “burocrazia”, come visto nel capitolo specifico, sarebbe necessario superare questi limiti per sfruttare questo enorme potenziale e trasformarli in conoscenze al servizio e per il benessere dei cittadini, in quanto la prosperità e la stabilità delle società e delle economie, e lo sviluppo sostenibile in generale, sono strettamente correlati al livello di salute della popolazione.

L’uso intensivo e ormai quasi esclusivo di servizi e di prodotti sanitari digitali, in rapida evoluzione grazie alle nuove tecnologie rischia di vedersi limitato a causa della spesso farraginosa ricostruzione di ruoli e limiti imposti dalle norme, in special modo per il governo e la ricerca nella sanità.

In tutti gli Stati esiste una ricca e diversificata raccolta di dati sanitari e medici, conservati in forma elettronica. Tali dati elettronici possono includere cartelle cliniche elettroniche, informazioni di laboratorio con dati diagnostici, immagini mediche, dati di prescrizione, di dispensazione, provenienti da registri delle malattie, sulle vaccinazioni, dati sui determinanti della salute, dati provenienti da studi (non) interventistici e da registrazioni anagrafiche, compresa la causa di morte e si affiancano ai dati amministrativi.

Il Gdpr, oltre all’introduzione di nuovi principi e adempimenti, ha sancito il passaggio da un approccio meramente formale ad un approccio sostanziale che ha messo in crisi, il sistema del copia & incolla (paper compliance) e le organizzazioni sanitarie di ogni livello devono affrontare una vera e propria evoluzione culturale che imporrebbe di rivedere e ripensare la struttura dei processi organizzativi.

Su questo tema l’Europa sta compiendo sforzi innegabili in materia di regolamentazione dei dati sanitari, dei certificati digitali, in materia di utilizzo del Cloud per la condivisione dei dati e della protezione dei dati. Sforzi convergenti verso la volontà di sfruttare il potenziale dei dati sanitari in linea con i principi della proposta di regolamento sullo Spazio europeo dei dati sanitari (Ehds) e la promozione dell’uso di nuove tecnologie, tra le quali l’Intelligenza artificiale, per incrementare il loro potenziale di miglioramento della diagnosi e dei trattamenti, senza dimenticare che, già nel titolo, il Gdpr disciplina anche la libera circolazione dei dati personali e non la semplice protezione. Ed ovviamente, i dati personali devono poter circolare (altrimenti sono inutili ai fini del progresso) purché adeguatamente protetti.

Regolamentazione e condivisione dei dati sanitari

A fronte, però, di tale quadro normativo di principio che sembrerebbe agevolare il trattamento e la circolazione dei dati personali sanitari per le finalità proprie del settore, la realtà si scontra con ulteriori norme che, almeno a livello interno, sembrano essere piuttosto rigorose, se non limitanti.

È ormai innegabile, infatti, che la pressoché totale digitalizzazione dei sistemi e dei dati sanitari ha radicalmente modificato l’approccio al trattamento degli stessi, poiché ormai, per esempio, è impensabile poter fare programmazione sanitaria senza l’utilizzo di strumenti quali la stratificazione e l’interconnessione di flussi sanitari, soprattutto se si considera che la programmazione svolge un ruolo decisivo e che, oggi, non si può pianificare senza l’uso di dati. La stratificazione della popolazione per profili di rischio, attraverso algoritmi predittivi, permette di differenziare le strategie di intervento e la presa in carico degli assistiti sulla base del livello di rischio, del bisogno di salute e del consumo di risorse. Tutte azioni previste dal PNRR.

Occorre quindi delineare in modo chiaro i rapporti tra le diverse componenti degli strumenti di sanità soprattutto da un punto di vista digitale, modificando i processi e descrivendo la titolarità dei trattamenti effettuati attraverso gli stessi, individuando le responsabilità e i compiti dei soggetti che se ne avvalgono nonché le relazioni tra i vari soggetti coinvolti.

La condivisione dei dati sanitari comprende molte parti interessate, tra le quali i pazienti, gli operatori sanitari, i responsabili politici, i ricercatori, l’industria farmaceutica, l’industria dell’Informatica sanitaria, gli organismi di valutazione delle tecnologie sanitarie (Hta), gli organismi notificati e le autorità di regolamentazione, come l’Agenzia europea del farmaco (Ema) e le agenzie nazionali per i medicinali.

Il ruolo svolto da questi stakeholder dipende dall’accesso e dall’utilizzo dei dati sanitari, in particolare se si tratta di un accesso diretto ai dati sanitari per l’assistenza (uso primario) o di un riutilizzo dei dati sanitari raccolti inizialmente per altri scopi, come la ricerca, la definizione delle politiche o il processo decisionale normativo (uso secondario).

Tra i vari stakeholder, quindi, si possono annoverare a livello nazionale il ministero della Salute, affiancato da altri soggetti che ruotano nella sua orbita, come l’Agenzia nazionale per i servizi sanitari regionali (AgeNaS), l’Istituto superiore di sanità (Iss), il Consiglio superiore di sanità (Cs) e l’Agenzia italiana del farmaco (Aifa). A queste si aggiungono, a livello generale, istituti ed enti come le Aziende sanitarie (Asl, AO, IRCSS, Policlinici universitari) e le strutture accreditate.

Per quanto riguarda il trattamento dei dati sanitari da parte delle Aziende sanitarie, forse il più corposo in termini di quantità e qualità, esso è regolato dalla normativa in materia di protezione dei dati personali e dalle disposizioni in materia sanitaria, la cui finalità principale è quella di garantire l’erogazione di prestazioni sanitarie di qualità ai cittadini, in conformità con le normative vigenti nonché per ricerche scientifiche e sviluppare nuove tecnologie sanitarie.

Ruoli e responsabilità nel trattamento dei dati

È evidente che i ruoli e le responsabilità meritino un lavoro certosino di analisi personalizzata del trattamento ed individuazione accuratissima delle responsabilità nel trattamento stesso.

Di seguito si riporta un elenco, evidentemente non esaustivo, di soggetti utilizzatori del Sistema informativo regionale:

• strutture sanitarie per finalità di diagnosi e cura
• Mmg / Pls
• strutture e agenzie regionali per finalità istituzionali e previste dalla legge
• registri di patologia
• servizi di prevenzione e screening
• strutture sociosanitarie
• strutture private convenzionate o accreditate
• farmacie
• parafarmacie
• enti di ricerca.

Nell’elenco appaiono effettivamente coloro che trattano i dati personali degli assistiti per diverse finalità, ma non si deve ignorare il coinvolgimento di altri soggetti (di natura prevalentemente tecnica) che si occupano:

• del trasporto dei dati (connettività di rete)
• della gestione dell’infrastruttura servente (se on premise o nel cloud)
• della gestione applicativa del software in questione
• della gestione delle postazioni di lavoro.

Da qui si procede fino ad arrivare ai soggetti autorizzati al trattamento e agli amministratori di sistema.

Ad ogni soggetto si deve attribuire un ruolo con la relativa formalizzazione e, nel caso dei responsabili esterni, questi potrebbero ricorrere anche a dei sub responsabili.

Ognuno di questi soggetti deve adottare e dimostrare di aver adottato le misure tecniche ed organizzative di propria competenza e soprattutto deve essere effettuata un’analisi preventiva circa la capacità del soggetto esterno di garantire sufficientemente la messa in atto di misure tecniche e organizzative adeguate.

Fino a qui emerge quindi uno scenario eterogeneo e molto complesso, da cui deriva l’importanza del principio di accountability attraverso il quale si interrompe il circolo vizioso del cosiddetto “scaricabarile”.

Nel GPDR non sono prescritte chiaramente le misure di sicurezza che devono essere implementate, proprio per la sostanzialità e la sartorialità della compliance rispetto al caso concreto ma a questo deve pensare l’industria ICT che, attraverso i fondi del PNRR, deve modificare radicalmente l’utilizzo e la condivisione dei dati in sanità.

Del resto, sarebbe assurdo pensare che il Gpdr sia applicabile orizzontalmente e allo stesso modo tanto ai Big del tech quanto al piccolo laboratorio di analisi di provincia.

Sanità 4.0 e Intelligenza Artificiale

Le innovazioni tecnologiche stanno modificando le nostre abitudini nella quotidianità, sia creando nuovi gesti prima sconosciuti (messaggistica, social network, monitoraggio parametri biologici), sia modificando le vecchie abitudini (lavoro, istruzione e professioni in genere). È stata quindi coniata l’espressione “Quarta rivoluzione Industriale” o “Industria 4.0”.

Nel caso della rivoluzione odierna le GPT General Purpose Tecnologies sono l’intelligenza artificiale, l’internet delle cose, la stampa 3D, i cloud computing e la robotica. Tutti elementi che stanno modificando in maniera irreversibile il modus operandi economico facendoci entrare in una nuova epoca di sviluppo, proprio come fecero la macchina a vapore, l’elettricità e i computer nelle rivoluzioni precedenti.

La medicina non è esente al cambiamento tecnologico di questi anni ma anzi è uno dei settori più dinamici nell’innovazione e nello sviluppo.

Secondo lo studio “Artificial Intelligence and life in 2030” pubblicato dall’Università di Standford il settore sanitario è uno degli otto settori in cui l’impatto dell’intelligenza artificiale sarà maggiormente rilevante.

È vero, tuttavia, che quelle che in paesi come gli Stati Uniti sono realtà più prossime, sembrano in Italia ancora lontane per il ritardo accumulato negli investimenti sull’informatizzazione e la digitalizzazione nelle organizzazioni del Servizio sanitario nazionale. L’architettura di base per percorrere le linee di sviluppo innovative, ovvero il fascicolo sanitario elettronico, che è una infrastruttura disponibile in modo molto differenziato sul territorio nazionale; la possibilità di integrare dati da piattaforme diverse, di aziende sanitarie diverse e da flussi diversi (schede di dimissione ospedaliera, flussi ambulatoriali, farmaceutica, ecc.) in alcuni contesti è pressoché impossibile e, comunque, conosce ancora enormi ostacoli per via della normativa sulla privacy; la telemedicina che ancora vive di sperimentazioni locali. Inoltre, immaginare di integrare i dati del fascicolo sanitario elettronico con i dati raccolti dal paziente (o sul paziente) con altre modalità (il cardiofrequenzimetro che utilizziamo quando facciamo dello sport) e archiviare tutto in un unico immenso database (o in un sistema integrato tramite blockchain), non appare vicinissimo, anche se le risorse messe in campo dal PNRR sono cospicue e ci offrono qualche aspettativa in più.

Per altri versi, invece, tocchiamo con mano il futuro. Le applicazioni della robotica e della produzione additiva (3d-printing), ad esempio, sono già diffuse e presenti nei nostri ospedali e nelle strutture di riabilitazione.

È quindi bene guardare al futuro per capire cosa c’è oltre l’orizzonte, garantendo al contempo una alfabetizzazione diffusa sul digitale per costruire l’indispensabile cultura per un’adozione consapevole delle innovazioni che giungono in modo sempre più repentino.

L’intelligenza artificiale apre le porte alla medicina 4.0, dove la capacità di apprendimento delle macchine, la profilazione e categorizzazione di enormi quantità di files clinici e la possibilità di trasmissione di informazioni in tempo reale tra macchine e medici sta modificando il modo di fare medicina.

Come l’IA può trasformare la Sanità, in pratica

Nonostante sia ancora in uno stato pressoché embrionale, l’intelligenza artificiale ha già dimostrato di poter trasformare la sanità in diversi modi:

• Automatizzando attività cliniche e amministrative routinarie, prima delegate a operatori ed infermieri (come la prenotazione di un paziente a determinate cure o la compilazione di una cartella clinica) o al primo approccio con la struttura attraverso chatbot capaci di comprende e rispondere alle domande degli utenti;
• Creando nuove modalità di fruizione dei servizi per i pazienti, come la diagnosi a distanza attraverso la telemedicina o assistenti intelligenti sul proprio smartphone, come l’app NHS Direct sviluppata dal sistema sanitario inglese;
• Implementando la qualità delle cure attraverso la medicina personalizzata. Essa è la capacità di profilare in maniera estremamente precisa i pazienti attraverso la creazione di innumerevoli dati biologici, genomici e clinici per poi sviluppare attraverso la capacità inferenziale e logica delle macchine un iter clinico personalizzato
• Supportando le decisioni del personale medico, per esempio rilevando la presenza di tumori nella diagnostica per immagini;
• Sviluppando nuovi modelli di ricerca favorendo il progresso scientifico.

È importante notare che questi settori, molto diversificati tra loro, si avvalgano dell’aiuto di diversi “metodi” dell’intelligenza artificiale per ottimizzare i loro risultati di output.

• I sistemi esperti sono ampiamente utilizzati nel supporto della decisione medica; ciò è dovuto alla necessità di chiarezza e di spiegazioni esaustive rispetto ai ragionamenti, ai procedimenti e alle conclusioni raggiunte.
• Il machine learning invece è utilizzato e trova riscontri molti positivi nella diagnostica per immagini, grazie alla possibilità di analizzare a fare inferenza utilizzando un dataset enorme di immagini simili.
• La robotica, ossia l’AI nel mondo fisico si utilizza nella chirurgia di precisione, nell’assistenza e nella riabilitazione.

Applicazioni dell’intelligenza artificiale in sanità

Relegata fino a pochi decenni fa nelle menti di scrittori e registi visionari l’intelligenza artificiale è oggi una realtà consolidata nel web (ricerche personalizzate, profilazione della pubblicità, traduttori e diverse app) ed anche in molti settori della vita economica (assicurazioni, giustizia, ecc).

Il dibattito sull’idea di delegare ad un agente artificiale la possibilità di scegliere su temi che influiscono sulla vita dei cittadini è aperto ed il legislatore (internazionale e nazionale), sta iniziando a porre i primi limiti.

L’intelligenza artificiale; quella simbolica, che si avvale di un dataset e di un sistema di ragionamento codificato a priori da esperti e tecnici e quella non simbolica, che si avvale della capacità dell’agente intelligente di “imparare osservando” i fenomeni e da ciò la capacità di poter fare inferenza e saper svolgere compiti assegnatili, è già utilizzata da anni e citerò un’esperienza personale per entrare nell’argomento dell’ articolo.

Siamo nel 2006, ero stato da poco nominato Direttore Generale di Federsanità, una struttura dell’Associazione Nazionale dei Comuni Italiani (ANCI) che si occupa di integrazione sociosanitaria, di sanità ne sapevo ancora poco di tecnologie si, vado a Bruxelles per una conferenza sugli appalti in sanità ed approfitto dell’occasione per andare ad una presentazione delle nuove TAC a 64 strati (una vera rivoluzione per l’epoca), il prof. Ralph Alfidi, uno scienziato italo-americano, presidente del Dipartimento di Radiologia dell’Università di Cleveland, ci lasciò di stucco con una sua affermazione: “sapete perché ancora oggi stampiamo le immagini provenienti da queste macchine di ultima generazione? Perché i medici sono abituati così, quindi noi prendiamo immagini digitali e le trasformiamo in “fotografie” solamente per far usare ai medici il metodo che conoscono“, passò poi ad una dimostrazione, stampò su un normale foglio di carta bianco il risultato digitale di una parte della TAC che non era altro che una serie infinita di punti neri con alcuni punti verdi ed altri rossi e disse “vedete, potrei verificare solamente quelle porzioni di colore diverso che indicano qualcosa di inappropriato, questo potrebbe far risparmiare molto tempo ai medici perché in caso di risultati negativi potrebbe essere la stessa macchina a produrre il referto negativo” e, dopo una breve pausa, aggiunse sorridendo “ma questo non rientra nei protocolli, chissà, forse in futuro“.

Sono passati oltre tre lustri dal giorno in cui il prof. Alfidi fece capire che in ambito radiologico la macchina avrebbe potuto sostituirsi all’uomo, nel frattempo la scienza ha fatto ulteriori passi avanti, i protocolli un po’ meno.

I settori in cui l’IA può fare la differenza in Sanità

Vediamo ora quanto, da domani, l’IA possa portare beneficio nel quadro di una “sanità 4.0” illustrando i settori dove si vedono i maggiori progressi nell’applicazione di strumenti intelligenti: la diagnostica, il supporto alle decisioni mediche, la riabilitazione e l’assistenza.

Dalla medicina 1.0 alla medicina 4.0

Partiamo da alcune definizioni di contesto. Sulla scia della periodizzazione delle rivoluzioni industriali anche la medicina ha avuto una sua rivoluzione, si parla infatti di “Medicina 4.0”. Secondo l’analisi di Wolf e Sholze la medicina al pari dell’economia ha avuto le proprie rivoluzioni ed è quindi possibile scomporre la sua storia in epoche sulla base dei progressi tecnologici.

Il primo periodo, la medicina 1.0 è quella che si è perpetuata per migliaia di anni; in questa età i medici avevano come strumenti al proprio servizio soltanto i cinque sensi per eseguire diagnosi e medicinali derivati da elementi naturali.

La seconda età viene in epoca recente, ossia quando iniziano ad essere somministrati antibiotici ed essere utilizzati i raggi x per la diagnostica di certe patologie.

La medicina 3.0 è sostanzialmente quella dei decenni passati, dove fanno il loro ingresso nella quotidianità clinica la miniaturizzazione, l’elettronica, la diagnostica per immagini e la robotica.

L’intelligenza artificiale apre le porte alla medicina 4.0, dove la capacità di apprendimento delle macchine, la profilazione e categorizzazione di enormi quantità di dati clinici e la possibilità di trasmissione di informazioni in tempo reale tra macchine e medici sta modificando il modo di fare medicina.

Di seguito i quattro possibili scenari che si presentano e che non si escludono a vicenda, anzi, è molto più probabile che ci sia in futuro una coesistenza di tutti questi nel panorama di una sanità innovata sia nel modo di fruirla sia nei mezzi di fruizione:

I quattro modelli possibili di sviluppo della sanità con l’IA, Report Deloitte 2020

• Path I: basso impatto per i pazienti e modernizzazione pratiche esistenti. In questo scenario l’AI sarà utilizzata per automatizzare processi “classici” per rendere più veloce l’iter sanitario. Ciò non porta a modifiche nella fruizione degli utenti al servizio. Questo è il campo più sviluppato al giorno d’oggi. Gli esempi sono la diagnostica per immagini e la digitalizzazione della cartella clinica, entrambi processi che se svolti dalle macchine portano a una velocizzazione e automatizzazione dell’erogazione di cure con tutto quello che ne deriva in termini di tempi di attesa e costi.
• Path II: alto impatto per i pazienti e modernizzazione pratiche esistenti. Ciò prevede che l’utente abbia un nuovo modo di fruire la sanità ma senza che le strutture trasformino il loro modo di erogarla. Esempi sono le chatbot intelligenti per richiedere una visita medica che attraverso una analisi del linguaggio naturale definiscano autonomamente l’iter di visite ed analisi necessarie al paziente.
• Path III: alto impatto per i pazienti e trasformazione del sistema di erogazione cure. In questo caso i pazienti vengono a contatto con nuovi metodi di erogazione delle cure, attraverso la combinazione dell’AI e di device di uso comune che trasformano il modo di fare medicina. I metodi attualmente presenti sono dei più disparati e prevedono sia l’utilizzo di devices comuni come smartphones, sia di devices creati ad hoc per impartire cure. Due esempi possono essere:
  • Babylon, una app di telemedicina che utilizza l’AI per diagnosticare patologie e terapie; ha attualmente una cooperazione con il NHS, ossia il sistema sanitario inglese;
  • Skinvision, una app che promette di rilevare patologie della pelle attraverso un’analisi delle foto scattate con il proprio smartphone. Gli articoli non finanziati dall’azienda stessa diffidano fortemente del servizio, spaventati dagli affetti avversi che può avere un’autodiagnosi delle patologie.

• Path VI: basso impatto per i pazienti ma trasformazione dell’erogazione di cure. Questo caso prevede lo sviluppo di nuovi trattamenti, farmaci e dispositivi attraverso l’utilizzo dell’AI. Grazie al processamento di enormi quantità di dati sulla popolazione ciò porterà ad un implemento della RWE (real world evidence) e della population health management.

Ovviamente la ricerca sull’AI non può prescindere dall’analisi degli elementi potenzialmente negativi che possono avvenire all’interno del sistema salute. Uno dei più dibattuti e controversi è il ruolo che i medici avranno nell’utilizzo di questi strumenti e della possibile sudditanza tecnologica che può verificarsi, del nuovo rapporto con i pazienti e della deprofessionalizzazione dovuta all’autodiagnosi ed all’autocura.

L’utilizzo dell’AI nella diagnostica

L’intelligenza artificiale attraverso il suo modus operandi, fatto di inferenza e logica deduttiva/induttiva, unita alla capacità di processare enormi quantità di dati in tempi brevissimi, si sta dimostrando un ottimo sistema di supporto alla decisione del medico in ognuna delle fasi del processo diagnostico. Una diagnosi veloce, puntuale e precisa può portare innumerevoli vantaggi sia per il sistema sanitario che per il paziente, un risparmio economico dovuto a meno indagini strumentali per riconoscere una patologia, un’accelerazione nell’inizio delle terapie con la conseguenza di un maggior numero di pazienti guariti. Dei numerosi strumenti che si avvalgono dell’intelligenza artificiale in campo diagnostico, quelli che hanno dimostrato un tasso di precisione paragonabile a quello umano allo stato attuale dell’arte sono quelli che si rifanno all’interpretazione diagnostica per immagini.

Questo settore prevede di identificare la patologia attraverso l’osservazione e l’interpretazione di immagini radiologiche, retiniche, istologiche, oculistiche, dermatologiche, endostopiche o provenienti da altri sistemi di monitoraggio ed attraverso machine learning, deep learning e reti neurali hanno la capacità di riconoscere schemi ricorrenti (pattern) dalle immagini analizzate e da ciò riconoscere le divergenze dalla normalità, ossia i segni di una patologia (spesso anche quelle non percepibili dall’occhio umano).

Il rischio dell’intelligenza artificiale nell’ambito della diagnosi con l’AI

Il rischio dell’intelligenza artificiale nell’ambito della diagnosi con l’AI è che possa trovare uno spazio sempre più ampio l’autodiagnosi, ossia i pazienti stessi che con i propri devices, utilizzando un app intelligente, ( e molto pubblicizzata) controllano il proprio stato di salute. Nel peggiore dei futuri ipotizzabili i pazienti potrebbero convincersi dell’obsolescenza del medico fidandosi soltanto dei propri mezzi e delle app che vendono soluzioni che possono sembrare miracolose, utilizzando l’intelligenza artificiale e che invece, almeno ad oggi, hanno enormi gradi di errore.

AI e sistemi di supporto ai processi decisionali

Le decisioni cliniche prevedono che il medico dopo aver identificato una patologia, attraverso la diagnosi, scelga il trattamento da seguire tenendo presente i possibili rischi e le avversità che possono manifestarsi durante l’iter di cura. Uno dei campi di maggiore utilizzo dell’intelligenza artificiale è quello dei clinical decision support system (cdss), ossia il supporto alle decisioni cliniche del medico attraverso la AI. L’obiettivo principale del CDSS è quello di supportare l’attività di decision making del medico con lo scopo di effettuare analisi migliori attraverso la concomitanza della conoscenza del professionista e del supporto attivo dalla AI.

Questa tecnologia, che lentamente si sta diffondendo anche nella sanità italiana, può essere di enorme aiuto nell’attività clinica, utilizzare nell’attività clinica le Evidence Based Medicine (EBM) di studi accertati porta a una maggiore sicurezza del medico in quanto la sua scelta è avvalorata da studi certificati e pubblicati nelle riviste e linee guida.

Uno dei sistemi di supporto della decisione clinica è Medidrug, un software creato dalla società italiana Mediology che si sta affermando nella realtà dell’SSN è impiegato per supportare i medici nell’analisi delle adverse drugs reactions, ossia per evitare gli effetti collaterali derivanti dall’utilizzo concomitante di farmaci; un altro è IBS Watson, un sistema esperto capace di delineare un iter terapeutico a diversi casi di tumore.

AI nella riabilitazione e assistenza

Le tecnologie basate sull’intelligenza artificiale combinata alla robotica e alla realtà virtuale stanno svolgendo un ruolo fondamentale nell’ambito dell’assistenza e della riabilitazione.

Attraverso supporti indossabili, esoscheletri o macchinari riabilitativi dotati di sensori capaci di percepire i movimenti è possibile una analisi dei progressi riabilitativi ed attraverso essi sviluppare una cura consona nei vari stadi della riabilitazione. Ciò porta un’inevitabile trasformazione del fisioterapista, il quale da erogatore di cure diventerebbe più un supporto o un supervisore dei progressi del paziente.

La robotica riabilitativa si concentra sul trattamento di pazienti con disabilità fisiche e/o mentali allo scopo di un recupero funzionale motorio o cognitivo attraverso l’utilizzo di tecnologie assistive. Le patologie che generalmente necessitano di un processo riabilitativo sono gli ictus, le sindromi muscolari dolorose, la fibromialgia, i traumi cranici ed articolari, le amputazioni e i processi post-traumatici e post-operatori.

I sistemi di supporto alla coordinazione motoria

A seguito di danni cerebrali è necessaria una riabilitazione per ristabilire le funzionalità motorie. La metodologia più utilizzata è quella di ripetere il movimento che si intende ripristinare per fare in modo che attraverso la “memoria muscolare” il cervello riapprenda il meccanismo che porta al movimento.

I sistemi per la terapia assistita dell’allenamento fisico

In questo caso si tratta di strumenti utilizzabili in ambito domestico senza il supporto di un fisioterapista, indicati per pazienti che hanno riacquisito parzialmente la mobilità articolare ma hanno la necessità di rafforzare la parte riabilitata.

I sistemi per terapie mentali, cognitive e sociali

Sono strumenti pensati per sopperire il deterioramento cognitivo e mentale attraverso la simulazione di comportamenti sociali come la comunicazione e l’atteggiamento cooperativo. Gli strumenti hanno spesso un’interfaccia simile ad un videogame, ad animali domestici o a giocattoli tradizionali per cercare di simulare il più possibile la dinamica del gioco e rendere la riabilitazione più fruibile per pazienti affetti da deficit mentali e/o cognitive.

I sistemi per l’assistenza

Nell’area assistenziale agli anziani, malati cronici e disabili è possibile diversificare gli strumenti dotati di intelligenza artificiale a seconda del luogo in cui vengono utilizzati. Una possibile distinzione dei luoghi dell’assistenza è: negli istituti e/o case di riposo in caso di possibili acuti, complicazioni o estrema fragilità oppure presso il domicilio del degente, ossia quando lo status clinico non è così grave da dover essere monitorato da personale sanitario in maniera continuativa, ma dai cosiddetti caregiver (infermieri, badanti o famigliari, in maniera continuativa e non).

I sistemi di assistenza Ospedaliera/RSA

In questi luoghi l’intelligenza artificiale associata alla robotica ha lo scopo non di erogare o di coadiuvare le cure di professionisti sanitari, quanto più compiti di logistica (spostamento, deambulazione pazienti) oppure la fornitura farmaci e cibo o pulizia dei luoghi di cura. Queste sono attività routinarie svolte solitamente da infermieri ed OSS. Un esempio può essere Tug, un autonomous delivery robot, utilizzato negli ospedali che, grazie ai sensori e all’intelligenza artificiale, è capace di muoversi autonomamente per consegnare farmaci, biancheria e pasti ai ricoverati nelle strutture. È stato di fondamentale importanza nelle strutture dove è stato adottato per i ricoverati per Covid-19 sottoposti a quarantena nelle strutture ospedaliere.

I sistemi per l’assistenza domiciliare

La tendenza dell’assistenza domiciliare è quella di rendere più fruibile al degente consulenze e visite direttamente dal luogo di residenza. Negli ultimi anni si è molto sviluppato nel contesto italiano la Telemedicina e il Teleconsulto, entrambe non facenti parte dell’universo dell’AI. La tendenza è quindi quella di rendere il paziente attivamente “connesso” ai medici, i quali possono facilmente prescrivere trattamenti o consulti a specialisti. L’AI insieme ad altri strumenti ad essa connessa (domotica, devices indossabili, Internet of things) hanno lo stesso obiettivo di base, ossia connettere i pazienti alle cure dei professionisti. Si parla quindi di “smart home” ossia luoghi in cui i dispositivi sono capaci di prendere informazioni e trasmetterle dopo averle elaborate, o ad altri dispositivi, o a famigliari e medici.

La normativa sui dispositivi medici

L’inadeguatezza della normativa vigente sull’AI si riflette anche nella medicina. In questo settore non è ancora presente una normativa chiara che definisca l’intelligenza artificiale come strumento dotato di autonomia totale o parziale circa la sua capacità di cura, di diagnosi, di riabilitazione o prevenzione, creando una certa confusione riguardo i profili civili e penali sulla responsabilità dell’agente, della macchina e del produttore. Allo stato attuale delle cose robot e sistemi di AI non sono delle parti imputabili e quindi non possono essere giuridicamente responsabili per le proprie azioni ed omissioni. Questo collide con le innovazioni osservate precedentemente, dove la macchina è capace, con un ottimo livello di accuratezza, di sostituirsi al medico e di prendere decisioni basate o sulla conoscenza, sulla logica o sulla capacità inferenziale; basta pensare ai sistemi di machine learning per le diagnostica per immagini, ai sistemi CDSS o ai sistemi intelligenti di riabilitazione.

Nonostante queste lacune la normativa esistente ha permesso che queste nuove tecnologie siano state adottate da strutture private e pubbliche con una certa facilità senza modificare la normativa vigente.

In particolare, la normativa Europea sui dispositivi medici è definita nel Regolamento UE 2017/745. Nell’articolo 2 definisce dispositivo medico “qualunque strumento, apparecchio, apparecchiatura, software, impianto, reagente […] destinato dal fabbricante a essere impiegato sull’uomo”.

Dal punto di vista dei software l’articolo 19 del suddetto regolamento sancisce che “il software specificamente destinato dal fabbricante a essere impiegato per una o più delle destinazioni d’uso mediche indicate nella definizione di dispositivo medico si considera un dispositivo medico, mentre il software destinato a finalità generali, anche se utilizzato in un contesto sanitario, o il software per fini associati allo stile di vita e al benessere non è un dispositivo medico”. Più complessa è la definizione delle app mediche fai-da-te ed è quindi necessario interrogarsi se sia possibile che tali app, che il fabbricante definisce mediche, possano essere commercializzate ed utilizzate senza la presenza di un medico, o se al contrario tutte le app destinate ad utenti non professionisti debbano essere catalogate come afferenti al campo dello “stile di vita e benessere” nonostante abbiano capacità diagnostiche avanzate.

L’Intelligenza Artificiale salverà il SSN?

Il fattore sostanziale su cui si basa l’AI è l’utilizzo del dato; l’accumulazione di dati certi e oggettivi, ottenuti sia da strumentazioni ospedaliere che da devices commerciali presentano una serie di elementi favorevoli che possono velocizzare, economizzare, rendere oggettiva e sempre aggiornata l’attività medica; tutto ciò porta ad un output superiore, ossia i pazienti in buona salute e a costi inferiori.

Ricordiamo che l’economista Baumal definì la sanità un settore non progressivo, ossia impossibilitato ad un aumento sostanziale dell’output con l’introduzione di nuove tecnologie a causa della impossibile sostituzione dell’attività medica con quella tecnologica.

Come l’AI rivoluziona il settore sanitario con tecnologie disruptive

L’AI, a differenza delle tecnologie a cui si riferita l’economista è definita “disruptive” ossia “l’effetto di una nuova tecnologia, o di un nuovo modo di operare su un modello di business che porta a modificare completamente la logica fino a quel momento presente nel mercato”. La logica disruptive dell’AI in sanità è proprio la nuova concezioni di macchine, indipendenti ed autonome dall’agire umano e quindi capaci di aumentare l’output desiderato. Inoltre la creazione di un mercato competitivo di strumentazioni AI porterebbe al continuo miglioramento tecnico ed a un sempre minor costo.

Diagnosi per immagini e sistemi esperti: l’AI al servizio dei medici

In sintesi, la diagnosi per immagini è un settore molto florido nel campo dell’intelligenza artificiale, con la capacità di rintracciare un’anomalia in 20 secondi (contro i 15 minuti dei radiografi) con un tasso di precisone comparabile, ossia il 95%. Dal punto di vista del trattamento, tecnologie basate sui sistemi esperti fornirebbero consigli terapeutici sempre aggiornati dall’enorme letteratura in materia, riducendo i costi di tempo nello studio di un trattamento da parte dei medici e una cura celere per il paziente, evitando quindi la sottoposizione a terapie tardive o poco informate, con i risparmi dovuti all’evitare costose cure intensive nel tentativo di arginare il problema.

La diagnosi e il supporto alla decisione medica, coadiuvati con dati sicuri ed oggettivi ed una letteratura sul caso aggiornata e basata sulla EBM (Evicenced Based Medicine) renderebbero il medico più certo del suo operare, con una riduzione sia delle medical malpractice, sia della consequenziale medicina difensiva, spesso dovuta alla mancanza di evidenze mediche e informazioni certe, che portano quindi il medico a prevenire possibili imputazioni giudiziarie scaricando la sua responsabilità al sistema farmaceutico (sovrasomministrazione farmacologica) oppure ad altri professionisti (diagnosi aggiuntive, ricorso al pronto soccorso, medicina difensiva negativa). L’AI quindi sosterrebbe attivamente il medico senza eliminare il suo scopo, anzi, lo responsabilizzerebbe fornendoli mezzi ed evidenze a cui ora deve fare necessariamente a meno, rendendo la professione meno legata alla logica contorta di “autodifesa”.

Ciò porterebbe a minori rischi economici sia per i professionisti che alle strutture sanitarie: se ogni struttura ha a propria disposizione mezzi precisi di diagnosi e aggiornamenti continui nei possibili trattamenti, si ridurrebbero gli esorbitanti costi dovuti ad assicurare personale e struttura dalle tante cause giudiziarie dovute ai disservizi che offre.

L’innovazione dell’AI nel monitoraggio domiciliare e assistenza sanitaria

Grazie all’utilizzo della robotica e dei device intelligenti la riduzione dei posti letto negli ospedali (portata a 3,7 posti per 1000 dalla spending review del 2012) non avrebbe più i contorni di una dolorosa politica di definanziamento del servizio, bensì un’opportunità. Strumenti di riabilitazione, assistenza, supporto psicologico e cognitivo, insieme al monitoraggio degli ambienti (smart house) e dei parametri vitali con dispositivi mobili poco invasivi renderebbero gli ospedali i luoghi adibiti ai soli acuti, implementando l’expertise in merito e sposterebbero i ricoveri per non acuti nelle case dei pazienti. Il domicilio, implementato dall’AI avrà una funzione attiva nella riabilitazione e nell’assistenza del paziente, il quale invierebbe i propri valori biologici a esperti e altri strumenti in grado di accertarsi in tempo reale della sua salute, riuscendo anche a prevenire, con un monitoraggio 24/7 i possibili acuti che possono manifestarsi. Ciò renderebbe obsoleto recarsi in loco per gli esami periodici, con un risparmio di tempo e fatica per il paziente e migliorerebbero la sua qualità della vita, rendendolo più indipendente nelle funzioni quotidiane nonostante sia sempre controllato da parte del personale medico e dei suoi famigliari a distanza.

Per quanto riguarda l’invecchiamento ed i nuovi bisogni derivanti da una popolazione più anziana e pluripatologica, un ruolo fondamentale lo avranno i devices indossabili con lo scopo di prevenzione. Con il monitoraggio dei parametri vitali si possono intraprendere da subito terapie oppure cambiare lo stile di vita in modo più salutare. Ciò potrebbe portare la popolazione a intraprendere uno stile di vita più sano e consapevole ed essere parte attiva del proprio stato di salute, attraverso il “quantified-self”.

Sostenibilità e risparmi economici nell’applicazione dell’AI in sanità

Per finire quindi l’AI implementata nel nostro SSN porterebbe dei benefici in termini economici e di trattamento, che la renderebbero più idonea ad affrontare le sfide per il futuro. Purtroppo non c’è ancora una quantificazione certa in termini di possibili risorse risparmiate e di qualità delle prestazioni fornite ed è necessario che prima avvenga una normazione ed implementazione del fenomeno.

L’importanza dei dati sanitari nella trasformazione della sanità

I dati e le informazioni sono utili, se non vitali, per le persone e la scienza e, le persone, sono disposte a condividere i propri dati se esiste una motivazione che meriti la loro fiducia.

Anche attraverso i nuovi approcci dettati dall’introduzione di tecniche di Intelligenza Artificiale occorre sfruttare questo enorme potenziale per trasformare la ricchezza di dati sanitari in conoscenze al servizio dei cittadini e per prevenire, diagnosticare e curare meglio le malattie. I dati sanitari possono contribuire a ottenere un’assistenza più efficiente, di maggiore qualità, più sicura e più personalizzata, e al contempo contribuire al miglioramento dei servizi dell’assistenza sanitaria.

Verso un approccio sistemico per l’ottimizzazione dei dati sanitari

Un approccio sistemico basato su ontologie standardizzate permetterebbe una migliore fruizione dei dati.

L’abbandono dei sistemi amministrativo/contabili verticali sulle singole aziende sanitarie permetterebbe una maggiore concentrazione degli investimenti tecnologici sui sistemi informativi clinici. La sanità, come seconda voce di spesa dello Stato, è spesso preda di una spesa improduttiva, che non risparmia il settore ICT, e che genera posti di lavoro che potrebbero essere definiti come “ammortizzatori sociali”. Per rendere più esaustivo il concetto proviamo a fare degli esempi: tutti i Comuni italiani hanno la stessa normativa che regola il loro funzionamento, eppure abbiamo 7.904 sistemi informativi diversi nel nome della libera concorrenza, stesso ragionamento si potrebbe fare per i sistemi amministrativo/contabili delle Aziende sanitarie pubbliche. Un approccio sistemico non solo porterebbe dei risparmi in termini economici ma consentirebbe di garantire l’interscambio del personale con maggior efficacia nella gestione complessiva ed inoltre garantirebbe un maggior impegno da parte dell’industria verso i sistemi informativi clinici, che sono la vera risorsa per una sanità sostenibile.

L’impatto economico della mancata aderenza terapeutica e il ruolo della medicina predittiva

Il costo della mancata aderenza alla cura da parte di pazienti fragili e cronici costa al SSN circa 19 miliardi l’anno per i ricoveri ripetuti, oggi esiste un sistema che verifica l’eccesso di prescrizione farmacologica da parte dei medici ma non esiste un sistema che dica che il paziente non prende correttamente i farmaci. Il potenziamento della medicina predittiva, attraverso questi sistemi di profilazione a fronte di una piccola spesa in farmaci porterebbe ad un enorme risparmio in termini di ospedalizzazione.

Il futuro dell’intelligenza artificiale e il ruolo dell’uomo nella sanità

È bene ricordare che i dati sanitari e l’utilizzo nella ricerca scientifica degli stessi contribuiscono a trasformare radicalmente la sanità pubblica e rivoluzionare i sistemi sanitari, consentendo miglioramenti dell’assistenza sanitaria, ed arrivando anche a svolgere un ruolo cruciale nell’accelerazione dello sviluppo di nuovi prodotti e cure per i pazienti più bisognosi, come la ricerca sui vaccini anti-covid ha in passato permesso di comprendere, o come le nuove terapie mirate contro alcuni tumori ci lasciano nuove speranze.

Infine, le macchine intelligenti che tanto spaventavano lettori e spettatori negli anni ‘60 adesso sono la realtà e spaventano in modi diversi: quale sarà il ruolo dell’uomo? avremo la possibilità di autodeterminarci? è privo di rischi donare la nostra ragione ad esseri non senzienti?

Per rispondere a queste domande è necessaria una forte presa di coscienza su cosa sia il fenomeno, quali benefici possa portare e quali rischi possiamo correre.