L’intelligenza artificiale (IA) è ormai entrata nel nostro quotidiano, e non passa giorno 
senza che i media ne trattino le straordinarie applicazioni, ed ancora di più le incredibili potenzialità ad essa associate. I settori più avanzati dell’industria e della finanza ne fanno un uso sempre maggiore, ed anche la medicina ne è sempre più interessata, sia come supporto ai processi di diagnosi e cura, sia nell’organizzazione ed utilizzo ottimale delle risorse disponibili, umane, strumentali e finanziarie. I sistemi dotati di IA sono in continua evoluzione, e ci aspettiamo che nel prossimo futuro acquistino un ruolo di sempre maggior importanza.
Ci sembra quindi interessante mostrare come BI Health – società del gruppo Sanitanova che opera nei settori della Business Intelligence ed Advanced Data Analytics in sanità – utilizzi tale strumento a supporto delle varie funzioni presenti nella piattaforma EIMaS (Executive Information Management System).
EIMaS è un Decision Support System costruito per supportare il management sanitario nei vari progetti di Governance, Performance Management e Controllo di Gestione delle Organizzazioni Sanitarie. È sviluppato in moduli su tecnologia Qlik Sense, e consente un approccio intuitivo, progressivo e scalabile in base alle esigenze dinamiche delle Organizzazioni, fornendo gli indicatori sintetici per un’immediata overview sui principali temi di interesse, e più in generale, consentendo di applicare l’approccio data driven a qualsiasi tema e a qualsiasi livello decisionale.
Ma come EIMaS utilizza l’IA per potenziare le proprie capacità di analisi e fornire così i migliori risultati?
Una spiegazione dettagliata risulterebbe particolarmente complessa, ed andrebbe oltre l’obiettivo di fornire in modo semplice e comprensibile tali informazioni. Cercheremo quindi di mantenere il giusto equilibrio tra rigore scientifico e impostazione divulgativa, in modo da poter raggiungere non solo gli specialisti del settore, ma anche i non addetti ai lavori.
EIMaS fornisce innanzi tutto gli strumenti di base per l’analisi quantitativa e statistica delle informazioni, che il suo motore di “data ingestion” raccoglie, armonizza, elabora, mette in relazione e sintetizza in report, cruscotti e modelli previsionali, specializzandone l’uso nell’ambito socio-sanitario ai diversi livelli decisionali.
Queste attività possono essere svolte sia semplicemente utilizzando le componenti di analisi quantitativa e statistica fornite dalla piattaforma, sia sfruttandone le sue componenti più avanzate per ottimizzare i meccanismi di strutturazione della base dati disponibile e delle sue “viste”, punto di partenza per le successive analisi più evolute.
Fornendo un minimo in più di dettagli tecnici, diciamo che le strutture dati che compongono la base operativa su cui agisce EIMaS (il Data Lake, se vogliamo usare il termine più corretto) sono molte, ed in genere particolarmente complesse (si pensi all’enorme mole di dati socio-sanitari ed economici in possesso di una ASL o di un’Azienda Ospedaliera). Tali dati devono essere messi in relazione tra loro, per poter calcolare indicatori significativi, operare analisi di benchmarking, costruire modelli previsionali etc., ed il numero di tali possibili relazioni è praticamente infinito.
L’utilizzatore di EIMaS può quindi agire strutturando tale sistema di relazioni, innanzi tutto basandosi sulla propria esperienza nell’area oggetto di analisi. Ma, se richiesto, sarà lo stesso EIMaS a proporre ulteriori nuove relazioni, ricercando autonomamente all’interno del Data Lake altre possibili correlazioni di interesse nell’ambito della base dati trattata, e proponendole all’utente.
In sostanza, EIMaS agisce in modo autonomo, sottoponendo per l’analisi nuove strutture dati che l’utente non aveva (a torto o a ragione) inizialmente considerato. Tale meccanismo è tipico di una IA, specializzata ed “addestrata” nello specifico settore dei sistemi di correlazione avanzata dei dati. Possiamo così concludere che l’IA di EIMaS ci aiuta a capire meglio il contesto su cui stiamo operando, azione molto difficile senza il suo ausilio. Non solo, ma via via che l’analisi procede, EIMaS “impara” le modalità prevalenti di correlazione delle informazioni utilizzate dall’utente, e su questa base si orientano i suggerimenti della sua IA in una direzione o in un’altra, fornendo da quel momento in poi proposte di associazione e conseguente analisi più vicine a quelle che sono viste come i “desiderata” dell’utente. In sostanza, EIMaS apprende progressivamente ciò che l’utente vuole (più correttamente dovremmo dire che apprende la “direzione” delle analisi dell’utente) e su questa base specializza le sue proposte associative, tipico meccanismo in cui l’IA opera in termini di Machine Learning.
Questo è quanto ad oggi disponibile sulla piattaforma, ma stiamo già lavorando per andare oltre, giovandoci di tecniche basate anche sulla IA, per attuare quanto previsto dal PNRR, con particolare riferimento alla stratificazione della popolazione per profili di rischio di fragilità socio-sanitaria. Il processo di stratificazione coinvolge infatti, per ogni Azienda, numerosissimi soggetti, ciascuno con la propria storia fatta di una enorme mole di dati di tipo clinico-sanitario e sociale. Si può quindi immaginare come sia assolutamente necessario utilizzare un processo automatico in grado di agire in modo autonomo, applicando un sistema di regole definito a tutti i soggetti in questione, per assegnare ciascuno di essi al proprio profilo di rischio. Su questo sarà di grandissimo aiuto l’utilizzo di sistemi di IA che, sulla base del sistema di regole loro fornito, saranno in grado di “prendere delle decisioni” a partire dalle condizioni iniziali (cioè dalle caratteristiche sociosanitarie del soggetto), consentendo di attribuire ciascun paziente al proprio profilo di rischio. Avendo poi 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), come appunto richiesto dal PNRR.
Più in generale, lo sviluppo dell’IA in EIMaS consentirà di identificare e comprendere meglio tendenze più estese, conducendo così a migliori strategie di salute per la popolazione e supportando al meglio le Direzioni Aziendali nelle decisioni di programmazione sociosanitaria.
In BI Health siamo infatti convinti che attraverso il sempre maggior uso di queste tecnologie d’avanguardia su cui basiamo i nostri modelli, si possano supportare concretamente le organizzazioni sanitarie nell’assunzione delle migliori decisioni strategiche e nella conduzione ottimale dei progetti che ne deriveranno.
A cura di BI Health