Servizio documentazione e biblioteca di PoliS-Lombardia

Abstract: Le strutture sanitarie, soprattutto quelle di grandi dimensioni, come l’ASST Grande Ospedale Metropolitano Niguarda, grazie alla progressiva informatizzazione e ai sempre più sofisticati software di diagnostica, refertazione, imaging, telemedicina e amministrativi sono diventate produttrici di Big Data. L'insieme di dati raccolti è talmente grande e complesso che ha richiesto la definizione di nuovi strumenti e metodologie per estrapolare, gestire e processare le informazioni entro tempi ragionevoli. A questo scopo l’introduzione dell’Intelligenza Artificiale (AI) ha permesso di estrarre i dati storici ma anche quelli generati in tempo reale all’interno delle strutture sanitarie e di trarne valore, diventando preziosissimi per molteplici finalità. Obiettivo del progetto è quello di introdurre l’AI nelle strutture sanitarie grazie alla realizzazione di connettori che permettano, attraverso software aziendali, di accedere ai Big Data prodotti quotidianamente, al fine di ottenere dati ed algoritmi fruibili nella pratica clinica quotidiana. La presenza dell’AI all’interno delle strutture ospedaliere è in grado di determinare significativi miglioramenti: creare algoritmi utili per fini diagnostici, terapeutici e organizzativi che possano aiutare i clinici a prendere decisioni con maggior consapevolezza, migliorare l’esperienza di ricovero dei pazienti, identificare patologie e fattori utili per modificare i percorsi diagnostico terapeutici, rilevare inefficienze nell’organizzazione e aiutare la Direzione nel controllo dei costi. Uno strumento che può permettere di introdurre l’AI nelle strutture sanitarie è la Smart Data Platform: questa piattaforma facilita l’interazione tra i sistemi aziendali (attraverso la realizzazione di connettori) permettendo di estrarre, classificare e analizzare l’enorme quantità di informazioni della struttura sanitaria, in modo completamente automatizzato. Tutto questo permette di poter testare e comprendere le effettive potenzialità di un utilizzo ottimale dei dati dei pazienti tramite strumenti basati su Machine Learning e Deep Learning, realizzando un modello completo che va dalla raccolta del dato atomizzato di buona qualità al suo utilizzo in qualsivoglia applicazione. Il trattamento dei dati avviene secondo la General Data Protection Regulation (GDPR), affinchè venga rispettata la privacy e la sicurezza delle informazioni. Numerosi sono i risultati attesi con l’introduzione dell’AI: il miglioramento del percorso di cura del paziente, una diagnosi più precisa, un trattamento personalizzato, il potenziamento della qualità del servizio offerto supportando i clinici nei processi decisionali. Lo sfruttamento di queste applicazioni consentirà un continuo monitoraggio della struttura, permettendo di ottenere dei vantaggi sia organizzativi che economici. Il suo scopo quindi è quello di trasformare i dati in conoscenze e da qui assumere decisioni intelligenti guidate dai dati stessi, portando a una riduzione degli errori e a un più rapido raggiungimento degli obiettivi. Purtroppo però, pur avendo potenzialità inimmaginabili, i sistemi di AI in sanità continuano ad avere difficoltà a imporsi, tra le ragioni che ne limitano la diffusione: la carenza di prove di sicurezza, affidabilità ed efficacia, l’assenza di una regolamentazione sull’utilizzo da parte degli operatori sanitari, l’attribuzione delle responsabilità in caso di errori e malfunzionamenti e i problemi etici e di privacy. L’AI ha un enorme potenziale per migliorare la salute di milioni di persone in tutto il mondo, ma se utilizzata in modo improprio può causare danni. MODULOORG

Abstract: L'invecchiamento della popolazione è uno dei fenomeni più significativi del 21esimo secolo ed ha conseguenze importanti per tutti i settori della società. Con l'aumentare della longevità si registra d'altra parte un incremento delle patologie croniche. In Lombardia ci sono circa 3.350.000 pazienti affetti da patologie croniche; essi rappresentano il 30% della popolazione assistita, a cui è destinato il 75% delle risorse per ricoveri, visite specialistiche ambulatoriali e di farmaceutica territoriale e ospedaliera. Regione Lombardia da tempo, ma ancora di più negli ultimi anni, è sensibile al problema della presa in cura del paziente affetto da malattia cronica (delibera n. X/4662 del 23 dicembre 2015; delibera n. X/6164 del 30 gennaio 2017). Tra le malattie croniche è inserita anche l'artrite reumatoide (AR), patologia sistemica ad eziologia sconosciuta, potenzialmente evolutiva, caratterizzata da un processo infiammatorio cronico. Il paziente affetto da AR deve essere sottoposto ad un controllo stretto dei dati clinici, laboratoristici e strumentali (tight control) della malattia. La frequente misurazione dell'attività di malattia ed il conseguente aggiustamento della terapia sulla base dello stato clinico ottimizza gli outcome nei pazienti con AR. La misurazione dell'attività di malattia deve essere effettuata e documentata regolarmente, ogni mese per i pazienti con attività di malattia moderata-elevata o meno frequentemente, per esempio ogni 3-6 mesi, per i pazienti con bassa attività di malattia o remissione clinica. Fino a quando l'obiettivo che ci si è posti (bassa attività di malattia o remissione a secondo del tipo di paziente in esame secondo il principio della target therapy) non è raggiunto, la terapia farmacologica dovrebbe essere aggiustata almeno ogni 3 mesi (PTDA-AR Regione Lombardia). Le lunghe liste d'attesa rendono tuttavia difficile l'applicazione del tight control nella gestione quotidiana del paziente artritico. L'automonitoraggio attraverso la compilazione dei Patient Reported Outcomes (PROs) è una modalità alternativa che può essere in parte idonea per effettuare una valutazione di attività dell'AR, può rivestire un ruolo importante all'interno del tight control ed è inoltre coerente con le "Linee guida per la presa in carico della cronicità e della fragilità in Regione Lombardia 2016-2018". Il telemonitoraggio, attraverso la frequente compilazione dei PROs e la continua collaborazione con i MMG, dovrebbe permettere di monitorizzare costantemente l'attività dell'AR, migliorare l'appropriatezza delle viste ambulatoriali, migliorare l'organizzazione dell'attività ambulatoriale, migliorare l'outcome clinico e ridurre i costi diretti e indiretti della malattia.