In Italia su circa 60 milioni di abitanti, il 39% soffre di una patologia cronica, il 4% soffre di forme di cronicità complesse e avanzate e di questi circa 800.000 abitanti hanno bisogno di cure palliative. Dati che sono drasticamente cresciuti a seguito della pandemia da Covid-19. La pressione sugli ospedali da una parte e l’insorgenza di patologie croniche dall’altra hanno messo a nudo la fragilità del nostro Sistema Sanitario Nazionale. Vi è stata quindi la necessità di ricorrere alle nuove tecnologie messe a disposizione dall’Intelligenza Artificiale che consento di costruire un artefatto intelligente che permette di monitorare lo stato di salute di un paziente attraverso uno smartphone e di assolvere tutti quei processi che non richiedono obbligatoriamente la presenza fisica di un dottore. In particolare l’attenzione è posta sulle tecniche di machine learning e deep learning. Il machine Learning identifica una categoria di prodotti definibili operativamente come “metodi computazionali tesi a consentire l’identificazione di motivi e strutture nei dati effettuata da una macchina elaboratrice senza esplicite istruzioni del programmatore”.
Si rende quindi sempre più necessaria la definizione di linee guida contenenti regole condivise, guide tecniche, codifiche, classificazioni e standard necessari ad assicurare la raccolta, la conservazione, la consultazione e l’interscambio di dati sanitari da parte degli enti del Servizio Sanitario Nazionale e dei soggetti pubblici e privati che erogano prestazioni sanitarie e socio-sanitarie ai cittadini italiani e non solo. In questo scenario il Parlamento italiano è intervenuto recentemente adottando importanti misure in materia di Fascicolo sanitario elettronico (Fse) e di governo della sanità digitale. L’Agenas, l’Agenzia nazionale per la sanità regionale, ha pubblicato un documento che descrive i punti di contatto e di raccordo tra il Fse e la Piattaforma nazionale di telemedicina. Il legislatore ha inoltre affidato ad Agenas il ruolo di Agenzia nazionale per la sanità digitale, al fine di assicurare il potenziamento della digitalizzazione dei servizi e dei processi in sanità creando i presupposti per la definizione di un Ecosistema dei dati sanitari (Eds). Inutile dire l’importanza che Fse e Agenzia per la sanità digitale rivestono per l’applicazione dell’IA, non solo nell’ambito dell’assistenza territoriale, bensì per tutto l’ambito della salute. Il machine learning, è importante sottolinearlo, offre oggi implementazioni molto efficienti ed in alcuni contesti può̀ garantire assistenza competente.
Si tratta infatti, di sistemi in grado di apprendere senza esplicite istruzioni nel codice. In che modo?
- analizzando dati storici e attuali,
- stabilendo relazioni ed interdipendenze
- mettendo in atto autonomamente procedure di inferenza e prefigurando soluzioni ottimali
- valutando il rischio potenzialmente associato ad uno specifico insieme di condizioni, aiutando poi la presa di decisioni.
La finalità̀ principale è di supportare, e non sostituire, i professionisti a fare meglio ciò̀ che fanno, potenziandone le abilità cliniche, diagnostiche e terapeutiche, consentendo loro una migliore strutturazione dei problemi decisionali, facilitando la scomposizione di problemi complessi in semplici componenti (scelte, eventi probabilistici, esiti alternativi), affinandone le capacità interpretative. I giovani medici potrebbero essere attratti da questi strumenti che oggi la tecnologia permette loro di usare garantendo così un certo grado di flessibilità̀ organizzativa nel loro lavoro che risulta essere più stimolante. La telemedicina rappresenta uno dei campi più promettenti per il nuovo mondo digitale, un ambito in cui le logiche e i tradizionali processi di assistenza sanitaria possono essere completamente rivoluzionati dalle tecnologie.
