L’assistenza sanitaria è stato uno dei settori che ha tratto molti vantaggi dall’implementazione di tecnologie digitali e dell’intelligenza artificiale durante l’epidemia.
Tra gli sviluppi principali, la possibilità di analizzare più facilmente i dati sanitari del paziente, l’anamnesi, i sintomi vitali, i risultati dei test medici e altro attraverso modelli di deep learning e il cosiddetto “gemello virtuale”.
Ciò consente agli operatori sanitari di comprendere ogni paziente e fornire un trattamento personalizzato, quello che viene comunemente riferito come medicina di precisione. Inoltre, la tecnologia consente un intervento tempestivo: con la raccolta di dati in tempo reale tramite dispositivi connessi, i modelli di apprendimento automatico possono utilizzare tutte queste informazioni per prevedere condizioni o rischi di salute imminenti e fornire farmaci o trattamenti specifici.
L’intelligenza artificiale nella diagnostica avanzata e nella medicina: le nuove frontiere
L’impatto del gemello virtuale in ambito sanitario
Il deep learning in ambito sanitario ha un impatto enorme e consente di migliorare il monitoraggio e la diagnostica dei pazienti.
Tutto questo è basato sulla costruzione di un modello da cui imparare le reazioni o studiare le peculiarità di ciascuno. In medicina, recentemente, la stampa 3D ha consentito di creare gemelli fisici delle situazioni dei pazienti per consentire una valutazione pre-chirurgica dello stato del paziente, come avrebbe fatto un modellino di una barca inserito in una vasca navale, o un modellino di auto in una galleria del vento.
Il gemello digitale, invece, è un modello computazionale che date delle “sollecitazioni” reagisce e attraverso la elaborazione di queste reazioni mostra quanto succederebbe nella realtà con quelle sollecitazioni. Questo concetto non è nuovo nella cosiddetta simulazione numerica, si pensi ad esempio come oramai i crash test per i nuovi modelli di auto siano quasi esclusivamente fatti tramite modelli di meccanica computazionale, fatti girare su supercomputer.
La grande differenza che in questi anni si sta facendo avanti è che, alle modellistiche di fenomeni per i quali le leggi siano già note in forma di equazioni, si sono affiancate modellistiche che riguardano relazioni ancora non note o per le quali non esiste una modellistica univoca, ma magari alcuni dei parametri andrebbero determinati. In medicina, ad esempio, le leggi della fluidodinamica, della meccanica elastica, della conduzione elettrica guidano la costruzione di un gemello digitale del cuore che parte dalle equazioni, e oggigiorno, siamo in gradi di simulare – seppure con grandi difficoltà tecnologiche – gli stent o l’assorbimento di medicinali iniettati nel sangue. D’altra parte, le grandi banche dati che contengono immagini tumorali guidano la costruzione di un modello che restituisce l’informazione sul tipo di tumore data la sola immagine – senza bisogno di biopsia – in assenza di leggi quantitative ma in presenza di una “conoscenza” basata sui dati acquisiti in precedenza. Questa conoscenza diventa una statistica non più solo descrittiva, ma che aiuta la predizione in casi diversi da quelli disponibili.
Il beneficio allora della raccolta delle informazioni digitalizzate e dell’utilizzo dei gemelli digitali in generale può essere sintetizzato nel considerare l’impatto che quesiti modelli possono avere 1) sulla prevenzione di condizioni, ad esempio fornendo un punteggio di rischio o aiutando nella organizzazione degli screening e 2) sulla possibilità di disegnare una medicina di precisione che studi dell’impatto delle terapie su ciascun individuo.
Le opportunità e le competenze necessarie
Tali funzionalità lasciano trasparire notevoli opportunità di mercato per le imprese utilizzatrici. Per esempio, l’elaborazione di un gemello diverso potrebbe abbattere notevolmente i costi di ricerca e sviluppo farmaceutica per la realizzazione di nuove terapie o per l’applicazione della medicina di precisione. La creazione di un gemello digitale, inoltre, potrebbe essere particolarmente utile per quelle aziende che si occupano di risk management in sanità: conoscere in anticipo quali potrebbero essere le condizioni che aumento il rischio di soffrire di una determinata patologia aiuterebbe la personalizzazione e un giusto pricing dei vari segmenti di clientela. Oltre alla questione economica, la proliferazione di queste tecniche può concretamente ampliare l’efficacia delle terapie rendendo più efficiente la loro personalizzazione, davvero su misura per il singolo paziente.
Ma quali competenze sono necessarie per il management delle aziende del comparto sanitario per sfruttare queste tecnologie? In primo luogo, la capacità di re-immaginare e riprogettare i propri processi, routine organizzative e dinamiche di innovazione includendo questo nuovo elemento di innovazione. In secondo luogo, la capacità di costruire o comunque di avere accesso a basi di dati utili alla realizzazione di un gemello digitale funzionale alla creazione di valore aziendale. Infine, la capacità di rimodulare i propri modelli di business e value proposition integrando sia i big data sia i gemelli digitali come tasselli generatori di valore, fondamentali dell’offerta aziendale.
________________________________________________________
*Questo è il quinto contributo della rubrica realizzata per Agenda Digitale dal VIMASS, laboratorio di ricerca in management e innovazione in sanità dell’Università degli Studi di Napoli Parthenope. Ogni mese sarà pubblicato un contributo sui temi più importanti e attuali nel campo della sanità digitale, con particolare riferimento ai temi legati alle attività di ricerca del laboratorio.
VIMASS Lab – Valore, Innovazione, Management e Accesso nei Sistemi Sanitari https://vimass.uniparthenope.it/
