Ospedali e AI, quattro pilastri essenziali

Sanità e intelligenza artificiale

Che il settore della sanità sia uno di quelli dove l’intelligenza artificiale potrebbe generare le ricadute più grandi ormai lo diciamo da diverso tempo.

Ovviamente della cosa se ne sono accorti anche gli addetti al settore, come l’American Hospital Association (AHA, un’associazione che comprende 5.000 fra ospedali e istituti sanitari negli Stati Uniti) che ha recentemente pubblicato un rapporto (pdf) dove identifica quattro pilastri (definiti “building blocks”) sui quali concentrare gli sforzi per massimizzare i benefici dell’AI in campo ospedaliero, evitando allo stesso tempo gli errori più comuni:

Persone: si dovranno identificare nelle organizzazioni i responsabili che supervisioneranno l’applicazione dei progetti AI, definendone le priorità e rispondendo dei risultati.

Si tratta di un primo passo essenziale. L’AI è uno strumento, da sola non si sviluppa, oppure può avere sviluppi abnormi e incontrollati, con ricadute negative. Le persone devono sempre essere al centro, poiché hanno una corretta visione d’insieme e sono maggiormente in grado di fare un’analisi costi-benefici che tenga conto di tutti i fattori importanti.

Linee guida (policy): poiché l’intelligenza artificiale si basa sull’analisi dei dati, l’organizzazione dovrà avere solide linee guida che governano la trasmissione e la privacy dei pazienti.

Questo punto riconosce correttamente uno dei principali problemi nella gestione dei dati, ovvero il diritto alla riservatezza degli interessati. I dati medici dati in pasto agli algoritmi dovranno essere protetti adeguatamente, e quegli ospedali che intendono sviluppare progetti AI dovranno prima assicurarsi di avere policy per la protezione dei dati al passo coi tempi, effettivamente seguite e rispettate da tutto il personale.

Risorse: chi si aspetta che i progetti di intelligenza artificiale migliorino la cura al paziente dovrà sostenerli con i fondi adeguati.

Puro buonsenso. Chiunque abbia aiutato l’AHA a stilare il rapporto si dev’essere sicuramente scontrato, nella sua esperienza, con il classico problema dei progetti partiti con le migliori intenzioni, quindi lasciati senza budget, infine naufragati perché i risultati non piacevano ai manager.

Tecnologia: i risultati dei progetti AI (l’output) dovranno essere efficacemente integrati nei lavori e nelle pratiche dell’ospedale, mentre i dati che fluiranno nei progetti (l’input) dovranno essere precisi e accurati. Per tutto questo servono le tecnologie adeguate.

Nessuno vuole produrre risultati sbagliati, cosa che succederà se i dati inseriti sono “sporchi” o comunque poco accurati. D’altronde se il progetto AI produce dati utili e precisi, sarebbe uno spreco se questi non venissero integrati nelle pratiche dell’ospedale solo perché non ci sono i mezzi operativi per farlo. Entrambi i problemi si risolvono con le giuste tecnologie, che l’organizzazione dovrà adottare se non vuole che i progetti AI diventino inutili.

Per approfondire è possibile scaricare il report in pdf dal seguente link: AI and Care Delivery

Sono Head of Artificial Intelligence di SNGLR Holding AG, un gruppo svizzero specializzato in tecnologie esponenziali con sedi in Europa, USA e UAE, dove curo i programmi inerenti all'intelligenza artificiale. Dopo la laurea in Management ho conseguito una specializzazione in Business Analytics a Wharton, una certificazione Artificial Intelligence Professional da IBM e una sul machine learning da Google Cloud. Ho trascorso la maggior parte della carriera – trent'anni - nel settore della cybersecurity, dove fra le altre cose sono stato consigliere del Ministro delle Comunicazioni e consulente di Telespazio (gruppo Leonardo). Oggi mi occupo prevalentemente di intelligenza artificiale, con consulenze sull'AI presso aziende private e per la Commissione Europea, dove collaboro con la European Defence Agency e il Joint Research Centre. Questo blog è personale.