Di fronte a una pandemia come quella di covid-19, dobbiamo oggi poter usare tutte le risorse tecnologiche a nostra disposizione.
La tecnologia costituisce infatti il mezzo fondamentale per fronteggiare le esigenze di un servizio continuo di assistenza da remoto, da costruire intorno al paziente, sulla base della patologia esistente. L’intelligenza artificiale è, poi, lo strumento tecnologico che può permettere più di altri di sviluppare delle modalità di gestione tecnologica della pandemia.
In questo senso si stanno sviluppando diverse sperimentazioni. Un ambito di sperimentazione estremamente attuale è direttamente connesso con la diagnosi del Covid-19.
Serve però, come vedremo, un cambio di paradigma e di approccio, perché se una lezione si può già trarre dalla gestione di questa epidemia è che senza una sanità 4.0 e senza la possibilità di effettuare una gestione tecnologica della malattia, di fronte ad un virus pandemico abbiamo poche opportunità e poche armi, se non quelle che hanno usato i nostri antenati di chiudere le città e di evitare la circolazione delle persone, tutto sommato con risultati non certo lusinghieri.
Dalla medicina basata sull’osservazione alla Evidence-Based Medicine
La medicina basata sull’osservazione degli eventi è stata per molto tempo, a partire da Ippocrate, il criterio guida epistemologico della professione sanitaria. Tale criterio si è poi evoluto con il progredire della medicina fino ad arrivare alla formulazione della Evidence-Based Medicine (EMB).
Questa può essere definita come “il processo della ricerca, della valutazione e dell’uso sistematico dei risultati della ricerca contemporanea come base per le decisioni cliniche” o anche come “l’uso di stime matematiche del rischio, dei benefici e dei danni derivate da ricerche di alta qualità su campioni di popolazione, per supportare il processo decisionale clinico nelle fasi di indagine diagnostica o nella gestione di singoli pazienti”.
Oggi con l’utilizzo dei big data in Sanità e delle tecniche di deep learning siamo in grado di fare una effettiva medicina predittiva e preventiva molto tempo prima della comparsa dei sintomi e per le patologie croniche e ingravescenti questo costituisce un notevole vantaggio. L’accesso istantaneo all’intero set di dati consente di prevedere l’evoluzione del quadro clinico attraverso algoritmi decisionali di supporto che rendano maggiormente efficiente l’intero processo. Il tutto viene realizzato enfatizzando la natura costruttivistica del processo, finalizzata a portare un notevole vantaggio a tutti gli stakeholder interessati nel percorso di cura e assistenza dell’individuo.
Prevenzione e monitoraggio pre-acuzie perno del nuovo approccio
Il cambiamento di paradigma nei sistemi sanitari comporta quindi una diversa focalizzazione nei livelli di cura e nei percorsi di salute del mercato sanitario, e vede il passaggio dalla centralità dell’ospedale per le cure intensive, al territorio e alla continuità assistenziale presso il domicilio del cittadino; ponendo l’accento quindi sull’aspetto della prevenzione e del monitoraggio pre-acuzie.
Questo processo, che in Italia è vissuto con un certo ritardo come la gestione della pandemia da Covid-19 in alcune regioni ha chiaramente dimostrato – richiede una Sanità impegnata a realizzare soluzioni sempre più olistiche e personalizzate. Tale processo privilegia i sistemi di monitoraggio dei parametri vitali, la prevenzione e il benessere del paziente da realizzare con modalità idonee a coniugare gli aspetti di qualità con quelli economici.
L’intelligenza artificiale e, più in generale, la tecnologia stanno, quindi, cambiando l’approccio alla sanità e anche alla malattia. Un approccio tecnologico alla gestione della malattia può essere un valido aiuto per sviluppare nuove cure e per migliorare l’efficienza del sistema sanitario, anche e soprattutto quando viene messo sotto pressione.
La soluzione proposta si basa sulle tecnologie dell’informazione e della comunicazione utilizzata come metodo di raccolta e scambio di informazioni sanitarie a distanza (un flusso continuo di informazioni inviate ad una banca dati alla quale potranno accedere in maniera protetta lo staff clinico che assisterà il paziente o gli interessati che ne hanno titolo).
La tecnologia applicata sarà in funzione della diagnosi precoce e terrà costantemente sotto controllo la situazione clinica e l’appropriatezza della cura (“compliance” destinata anche ad evitare l’errato impiego di medicinali).
Si tratterà di dispositivi (collegati al sistema operativo) miniaturizzati e non invasivi per consentirne l’uso (in forme automatiche a domicilio) direttamente da parte del paziente, escludendo quindi il ricorso a laboratori o interventi di badanti/infermieri.
Le sperimentazioni
All’Università della California di San Diego in California i ricercatori hanno lavorato per più di un anno a un programma di intelligenza artificiale progettato per individuare la polmonite a partire da radiografie del torace che poi è stato applicato con successo alla diagnosi delle polmoniti da Covid-19.
A New York due principali sistemi ospedalieri utilizzano algoritmi di intelligenza artificiale per decidere quando e come i pazienti devono passare a un’altra fase di assistenza più intensa o possono essere rimandati a casa. Sono stati anche sviluppati modelli di intelligenza artificiale in grado di prevedere se un paziente Covid 19 che entra in ospedale subirà eventi avversi entro i prossimi quattro giorni e anche ad in grado di modellizzazione dei fattori di rischio per rintracciare i potenziali infettati dal coronavirus che hanno una maggiore probabilità di sviluppare complicazioni.
Con la tecnologia di Carbyne, la città di New Orleans ha creato un innovativo sistema di triage digitale permettendo di dare la priorità alle risorse di emergenza per le persone più bisognose, di aiutare ancora le persone che non hanno richiesto interventi salvavita e di proteggere i paramedici da un’esposizione non necessaria al virus. Infine i progressi dell’intelligenza artificiale permettono di eseguire simulazioni sull’evoluzione delle epidemie utilizzando dati demografici, dati personali e dati sui modelli di mobilità e sulle reti di pendolarismo. È possibile prevedere i probabili punti di partenza, i fattori di rischio, la progressione e le popolazioni a rischio per situazioni future e di conseguenza è possibile pensare a piani d’azione estremamente efficaci.
