AI e ricerca per prevenire, diagnosticare e curare

Per poter collaborare con i vari stakeholder coinvolti nel progetto è stato necessario trovare un linguaggio comune tra esperti tecnici e medici. Grazie alla metodologia di lavoro adottata, è stato possibile affrontare in modo collaborativo diverse sfide:

• abilitare una governance centralizzata dei dati per garantire un accesso e utilizzo efficiente delle informazioni durante il percorso del paziente;
• identificare e controllare le origini dati, anche quando gestite da terze parti, per sfruttare la medicina predittiva;
• adottare una gestione del ciclo di cura del paziente più orizzontale, per ottimizzare risorse e creare efficienze;
• promuovere un’assistenza sanitaria basata sul valore, privilegiando trattamenti che garantiscano elevati standard di cura.

Sono state condotte interviste 1to1 con medici e pazienti del centro per ricostruire le journey relative a diverse patologie oncologiche. I casi sono stati scelti per rappresentare trattamenti ospedalieri diversificati e per includere una vasta gamma di dati relativi alla gestione del paziente. Il percorso per il cancro al polmone combina gestione farmacologica e interventi chirurgici, mentre quello per la leucemia prevede trattamenti radiologici e farmacologici.

Per questo la complessità dell'analisi dei dati era legata all’eterogeneità delle informazioni, come dati anagrafici, diagnostici di laboratorio e immagini mediche.

L’adozione dell’AI supporta i medici ricercatori, elevando le loro capacità diagnostiche, soprattutto nell’interpretazione di immagini e nell’analisi di valori complessi. Gli strumenti LLM leggono le cartelle cliniche per individuare trend, peggioramenti o reazioni avverse ai farmaci. Allenata su dati raccolti da esperti patologi e basata su sistemi di deep learning su reti neurali, la macchina migliora le performance di tutti i medici, offrendo un confronto diagnostico utile che affianca il personale nell'elaborazione della diagnosi finale, pur lasciando al medico la responsabilità decisionale.

Nella gestione tradizionale, il paziente è spesso l’unico a possedere una visione complessiva della propria situazione clinica, poiché i pazienti con condizioni complesse, come quelle oncologiche e multisistemiche, vengono trattati in reparti separati con sistemi di gestione dati non comunicanti. Nel nuovo scenario, una tecnologia avanzata raccoglie i dati di tutti i reparti, offrendo una visione integrata del paziente, particolarmente utile per team multidisciplinari come quelli dei Cancer Center.

Il monitoraggio remoto tramite IoT permette la raccolta automatica dei parametri vitali a casa, riducendo il bisogno di diari manuali e avvisando i medici in caso di valori critici. Per migliorare il rapporto medico-paziente, abbiamo progettato nel dettaglio un sistema che interagisce con entrambi, fornendo informazioni su esami e proponendo appuntamenti, liberando il medico dall’intermediazione diretta con il computer.