Iniziamo con questo approfondimento un nuovo percorso dedicato all’Artificial Intelligence ed al suo possibile utilizzo a supporto delle Organizzazioni Sanitarie nel realizzare, e soprattutto gestire nel tempo, quanto previsto dal PNRR (qui la serie completa), con particolare riferimento al tema dell’assistenza territoriale.
Nel precedente intervento (qui) avevamo iniziato a trattare l’argomento in modo divulgativo, riservandoci di entrare più in dettaglio negli approfondimenti successivi. Come già anticipato, condurremo tali approfondimenti insieme alla società nostra partner, KeyBiz (https://key-biz.it/), con l’obiettivo di sommare le rispettive competenze in tale ambito, e più in generale sui temi della Business Intelligence e della Data Analytics.
Il PNRR richiede l’implementazione di un nuovo modello organizzativo per l’assistenza territoriale, che prevede:
La stratificazione dei cittadini per profili di rischio.
La determinazione dei bisogni sociosanitari per ogni profilo, e delle conseguenti azioni da mettere in atto, fino al livello del singolo cittadino, attraverso interventi appropriati e personalizzati, da definire nel Progetto Individuale di Salute (PrIS).
L’organizzazione della rete di prossimità in termini di strutture e unità funzionali.
L’erogazione dei servizi di cura e assistenza.
Il monitoraggio continuo dei risultati di salute e l’uso di modelli predittivi per il continuo aggiustamento della programmazione sociosanitaria.
Su tutti i punti sopra indicati l’informatica è un elemento importante, ma è in particolare sui temi della stratificazione dei cittadini per profili di rischio, sul suo incrocio con i bisogni sociosanitari di ciascun profilo per arrivare ai PrIS, e sull’uso dei modelli predittivi per la programmazione sociosanitaria, che l’Artificial Intelligence può dare un contributo fondamentale.
In questo approfondimento tratteremo i temi della stratificazione per profili di rischio e del PrIS, lasciando al successivo l’uso dei modelli predittivi per la programmazione sociosanitaria.
La stratificazione della popolazione per profili di rischio prevede 6 livelli, che vanno dal n. 1 – Persona in salute, fino al 6 – Persona in fase terminale.
Senza entrare in troppi dettagli tecnici, in questa sede possiamo dire che il processo di stratificazione coinvolge, per ogni Azienda, centinaia di migliaia di soggetti, ciascuno con la propria storia sociosanitaria (si badi bene che il processo di stratificazione richiede la valutazione non solo delle condizioni cliniche, ma anche di quelle sociali di ciascun soggetto). Ogni storia sociosanitaria è fatta a sua volta di una notevole quantità di informazioni, provenienti dalle due classi di dati, quelli clinici e quelli sociali, per di più distribuite praticamente sempre su sistemi informativi diversi.
Si può quindi immaginare come sia assolutamente necessario utilizzare un processo “automatico” in grado di applicare un sistema di regole definito a tutti i soggetti in questione, per assegnare ciascuno di essi al proprio profilo di rischio, senza ricorrere ad interventi manuali, lunghi e molto costosi.
Su questo punto può esserci di grandissimo aiuto l’utilizzo di sistemi di Artificial Intelligence, cioè di quei sistemi in grado di simulare caratteristiche che vengono considerate tipicamente umane.
Nel caso della stratificazione, quindi, l’Artificial Intelligence potrà gestire autonomamente il processo, consentendoci di limitare il nostro impegno al fornirle:
le informazioni di base da cui partire;
l’algoritmo che riproduce i processi decisionali che le permetteranno di svolgere le attività, ed in un certo senso di “ragionare”, come avrebbe fatto un essere umano.
Il sistema sarà così in grado di “prendere delle decisioni” proprio sulla base di alberi di decisione, cioè di grafi matematici che, a partire dalle condizioni iniziali (cioè dalle caratteristiche sociosanitarie del soggetto), consentiranno di attribuire ciascun paziente al proprio profilo di rischio.
Avendo poi già definito i bisogni sociosanitari associati ad ogni profilo, e le conseguenti azioni da mettere in atto, sarà possibile arrivare alla definizione degli interventi da attuare a livello del singolo cittadino, cioè il suo Progetto Individuale di Salute (PrIS).
Al fine di rendere i processi decisionali efficaci, dovremo però tener conto di alcuni aspetti:
le informazioni di base, cioè la storia sociosanitaria del paziente, dovranno essere ben strutturate, per consentire al sistema di utilizzarle in modo rapido e corretto;
l’algoritmo che riproduce i processi decisionali, e che in definitiva associa ciascun paziente al proprio profilo di rischio e contribuisce alla definizione del relativo PrIS, richiede non solo la sua corretta definizione iniziale, ma anche la costante sorveglianza di come i profili evolveranno nel tempo; si otterrà però, in cambio, un vero e proprio modello predittivo in grado di identificare e comprendere tendenze su più vasta scala, conducendo così a migliori strategie di salute per la popolazione.
Continueremo nei successivi approfondimenti a trattare il tema dell’Artificial Intelligence a supporto delle attività previste dal PNRR, ed in particolare tratteremo il punto 5 dell’elenco precedente, cioè “Il monitoraggio continuo dei risultati di salute e l’uso di modelli predittivi per il continuo aggiustamento della programmazione sociosanitaria”. Siamo infatti convinti che la complessità delle realizzazioni richieste dal PNRR, combinate con i tempi strettissimi previsti per la loro implementazione, debba essere affrontata anche attraverso l’uso di tecnologie d’avanguardia. E su questo fronte BI Health è totalmente impegnata, nella convinzione che le soluzioni proposte potranno essere di grande aiuto alle Organizzazioni Sanitarie nell’assunzione delle migliori decisioni strategiche.