L'intelligenza artificiale in soccorso degli ospedali

La digitalizzazione negli ospedali non si è tradotta in un aumento del tempo trascorso dai medici con i pazienti. L'intelligenza artificiale potrebbe aiutare in questo?

La digitalizzazione negli ospedali non si è tradotta in un aumento del tempo trascorso dai medici con i pazienti. L'intelligenza artificiale potrebbe aiutare in questo?

Articolo tradotto dall'originale in francese
 

“Guarire a volte, dare sollievo spesso, ascoltare sempre”. Ecco quale deve essere il ruolo del medico, e così deve rimanere. Ma la diminuzione del personale negli ospedali europei, unita all’aumento dei loro obblighi amministrativi, influisce sulla relazione con i pazienti. Questa versatilità non scelta crea un carico mentale che è stato ben descritto come responsabile della “sindrome da burnout dei caregiver”.1
Gli ospedali pubblici stanno soffrendo e l’impatto sulla qualità dell’assistenza ai pazienti è innegabile. È colpa del carico mentale che grava sui caregiver. Una delle cause individuate (anche tra i caregiver che non sono “tecnofobici”) è l’informatizzazione delle cartelle cliniche.2
Avviata negli anni 2000, questo progresso tecnologico avrebbe dovuto far risparmiare tempo ai sanitari, in modo che potessero concentrarsi sulla parte umana dell’assistenza. Questo intento è fallito. Vent’anni dopo, le infermiere non fanno più il giro letti con i medici perché devono inserire i parametri vitali nel computer e monitorare le cure. I medici passano ore a informatizzare gli esami clinici e a sbrigare la corrispondenza.

Intelligenza artificiale, una seconda possibilità?

L’informatizzazione ha richiesto molto tempo, soprattutto perché è stata realizzata senza le competenze dei principali utent finalii. Abbiamo imparato la lezione. Ora le aziende e le start-up del settore lavorano fianco a fianco con gli operatori sanitari per migliorare la loro esperienza quotidiana.3-4
L’intelligenza artificiale (IA) e i software progettati dai loro futuri utenti sono ora in grado di ottimizzare il flusso di cure e migliorare la produttività dei medici, riducendo al minimo il rischio di errori umani. Anche i costi finanziari sono meglio controllati.5-7
In Europa, si stima che circa 9 ospedali su 10 utilizzino regolarmente uno o più sistemi di IA in 4 aree importanti: automazione dei dati, logistica, diagnosi e assistenza.8
Le nuove generazioni di medici sono coinvolte nello sviluppo di strumenti digitali, purché rispettino 4 pilastri: utilità, semplicità, adattabilità, applicabilità.9

L’intelligenza artificiale a supporto dell'informatizzazione

L’uso del riconoscimento vocale negli ospedali è un primo importante passo avanti. Diversi studi hanno esaminato i vantaggi di queste soluzioni10-11 che non si rivelano affidabili come la trascrizione da parte di una segretaria. Tuttavia, grazie al deep learning, questi sistemi di IA “imparano” continuamente e l’algoritmo si adatta gradualmente alla voce e si autocorregge.
Un altro settore in cui l’intelligenza artificiale sta prendendo piede e si sta sviluppando è quello delle cartelle cliniche. Per facilitare l’uso di Orbis, una fastidiosa e controversa cartella clinica elettronica, il gruppo di ospedali parigini AP-HP ha fatto ricorso a Watson, un software di IBM. Il sistema d’intelligenza artificiale analizza ciò che accade sullo schermo dell’utente e può fornire raccomandazioni o intervenire sotto forma di chatbot.12
Questo “agente intelligente” guida l’utente, su sua richiesta, mostrandogli passo dopo passo come eseguire una procedura. Ma può anche comparire da solo per segnalare un errore o un’omissione che potrebbe, ad esempio, mettere a rischio la sicurezza del paziente.

Un piccolo aiuto per la logistica

Infine, la riduzione del carico mentale, soprattutto per i paramedici, richiede anche un supporto logistico. L’ospedale Bayındır di Ankara, in Turchia, e l’ospedale di Odense, in Danimarca, utilizzano l’IA per supportare sistemi di inventario multi-sito. Questi sistemi supervisionano la gestione delle scorte e degli ordini, la distribuzione del trasporto di persone e materiali e... la programmazione delle sale operatorie.
Basandosi sulla pianificazione dei blocchi chirurgici per attivare l’acquisto di attrezzature perioperatorie, l’IA riduce i costi di inventario e migliora l’efficienza operativa.7 Questi sistemi programmano e assegnano compiti ai robot logistici ma anche ai dipendenti.

Ricoveri e follow-up più intelligenti

La popolazione di ultraottantenni nell'Unione Europea raddoppierà, passando dal 6,1% nel 2020 al 12,5% nel 2060. Ciò significa che il fabbisogno ospedaliero aumenterà e quindi la necessità di distribuire meglio l’occupazione dei letti ospedalieri.
La domanda di assistenza è una variabile volubile, che dipende dalla stagionalità (soprattutto per le aree turistiche) e dalla posizione geografica di un ospedale. La gestione di questo flusso di pazienti può essere perfezionata grazie all’intelligenza artificiale. Calyps, un algoritmo utilizzato dal 2021 in un ospedale del nord della Francia, è in grado di prevedere i flussi di pazienti con una settimana di anticipo. Se riduciamo questo periodo a 48 ore, l'affidabilità raggiunge il 95%.13
Con l’aumento dei “wearables” (oggetti indossabili, come orologi o indumenti annessi), e quindi con la raccolta sistematica di dati sulla salute, il monitoraggio a distanza dovrebbe decollare rapidamente. Anche in questo caso, l’IA è già in grado di interpretare questo flusso di dati. È il caso di Chronolife 14 e del suo gilet per il monitoraggio dei parametri vitali.14
Algoritmi come Hillo15 sono utilizzati anche nei reparti di endocrinologia per monitorare a distanza i pazienti diabetici. I pazienti scompensati devono recarsi in ospedale solo per uno o due giorni, mentre il resto dell'adattamento dell'insulina viene effettuato a casa grazie all’algoritmo. In questo modo si liberano molti letti.
A Bolzano, in Italia, un sistema di intelligenza artificiale monitora i pazienti affetti da diabete e reumatismi: l’algoritmo pianifica i vari esami di laboratorio, le visite mediche e i ricoveri. I tempi di attesa per accedere alle risorse mediche si riducono, con un notevole impatto in termini di prevenzione delle complicazioni e delle riospedalizzazioni.7
L'uso dell'IA diagnostica nei laboratori medici, nei centri di radiologia e di patologia dovrebbe anche ridurre i tempi di attesa per i risultati.  In questo modo si ridurrà l'errore diagnostico.16

L'IA come ausilio nella diagnosi di fronte all'esplosione delle conoscenze mediche

Nel 1950 si stimava che il raddoppio delle conoscenze mediche sarebbe avvenuto in 50 anni. Questo periodo è stato ridotto a 7 anni nel 1980 e a 3,5 anni nel 2010. Si stima che nel 2020 saranno… 73 giorni.17 Il nostro cervello fa fatica a tenere il passo!
La prima applicazione commerciale del sistema di IA Watson, Watson for Oncology, era incentrata sulla progettazione di trattamenti personalizzati per i pazienti oncologici. L'intelligenza artificiale confronta le informazioni di un paziente specifico con un vasto database, aggiornato settimanalmente, che comprende milioni di pagine di letteratura medica (riviste mediche, linee guida, studi clinici, dati provenienti da cartelle cliniche elettroniche, storia del trattamento di pazienti simili, ecc.). Con ogni nuovo paziente, Watson migliora la sua precisione.18 Questo è un aiuto più che prezioso per definire un piano di trattamento personalizzato.

Dati a vantaggio del settore pubblico   

Esistono molti esempi di partnership tra il settore pubblico e quello privato. Dobbiamo temere che le aziende o le start-up prendano il controllo degli ospedali pubblici? In realtà, l’informatizzazione dei dati dei pazienti consente di creare magazzini di dati all'interno degli ospedali pubblici stessi, dati che possono essere utilizzati per addestrare algoritmi specifici a determinati ospedali.
È il caso di Berna, in Svizzera, dove un sistema d’intelligenza artificiale assiste le decisioni ostetriche durante i parti. La sola lettura dell’elettrocardiotocografia è sufficiente per sapere se optare per un parto cesareo. A Kuopio, in Finlandia, la lettura delle angioscopie da parte di un sistema di IA viene utilizzata per prevedere i pazienti a rischio di malattie coronariche. L’IA definisce anche la migliore strategia di gestione.7
Negli ultimi vent’anni, il volto degli ospedali pubblici è cambiato radicalmente in Europa. Nonostante l’innegabile desiderio di passare al digitale, molti tentativi di informatizzazione si sono rivelati fallimentari o addirittura dannosi.
Di fronte alla cronica carenza di personale e all’ondata di burnout, l’IA rappresenta una seconda possibilità per gli ospedali pubblici. Per poterla cogliere, gli operatori sanitari dovranno superare sia lo shock culturale di lavorare con il settore privato sia la legittima apprensione per le nuove tecnologie.
Per quanto riguarda la possibilità che l’IA possa da sola ripristinare l’attrattiva degli ospedali pubblici… Sarebbe una scommessa azzardata e gli studi medico-economici in questo campo sono ancora rari e contraddittori.

Sull'autore: Joris Galland è un medico francese specializzato in medicina interna. Appassionato di nuove tecnologie, gestisce un blog su esanum.fr dedicato all’intelligenza artificiale in medicina.

Note
  1. AFSOS - Association Francophone des Soins Oncologiques de Support - 2014
  2. Morquin D, Résistance légitime sans technophobie?: analyse des impacts de l’informatisation du dossier du patient sur le cœur du métier médical. Revue de Médecine interne, 2020
  3. https://parisantecampus.fr/
  4. https://www.linkedin.com/company/dmh75/
  5. Yu K-H, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nat Biomed Eng. 2018 (10):719–31.
  6. American Medical Association – 3 ways medical AI can improve workflow for physicians
  7. Weng SF, Vaz L, Qureshi N, Kai J. Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches. PLOS ONE. 2019;14(3):e0214365.
  8. Klumpp M, Hintze M, Immonen M, Ródenas-Rigla F, et al. Artificial Intelligence for Hospital Health Care: Application Cases and Answers to Challenges in European Hospitals. Healthcare (Basel). 2021 Jul 29;9(8):961.
  9. CNOM Conseil National de l’Ordre des médecins - Santé : la révolution numérique - 2022
  10. Latif S, Qadir J, Qayyum A, Usama M, Younis S. Speech Technology for Healthcare: Opportunities, Challenges, and State of the Art. IEEE Rev Biomed Eng. 2021;14:342–56.
  11. Poder TG, Fisette J-F, Déry V. Speech Recognition for Medical Dictation: Overview in Quebec and Systematic Review. J Med Syst. 2018 Apr 3;42(5):89.
  12. LeMagIt - AP-HP mise sur Watson pour faire avaler la pilule ORBIS à son personnel - 2020
  13. Centre hospitalier de Valenciennes - 2020 - https://www.calyps.ch/fr/data-science-by-calyps-temoignage-du-centre-hospitalier-de-valenciennes/
  14. ChronoLife - 2022 https://www.chronolife.net/telesurveillance-patients/?lang=fr
  15. Hillo - 2021 - https://experiences.microsoft.fr/articles/intelligence-artificielle/hillo-ia-predire-variations-glycemie/
  16. SIH Solutions - 2021 - https://www.sih-solutions.fr/la-digitalisation-des-lames-danatomie-pathologique/
  17. Ensen P. Challenges and Opportunities Facing Medical Education. Trans Am Clin Climatol Assoc. 2011;122:48–58.
  18. Sun TQ, Medaglia R. Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare. Gov Inf Q. 2019 Apr 1;36(2):368–83.