Decisioni migliori grazie a Advanced Analytics e Insight
La potenzialità dell’IA risiede nella comprensione delle relazioni causali nascoste tra le informazioni anche grazie al Machine Learning, un metodo di apprendimento automatico che imita i processi con cui la mente umana elaborale informazioni.
L’Intelligenza Artificiale secondo InterSystems
In InterSystems lavoriamo per facilitare la gestione dei dati sanitari attraverso soluzioni per l’interoperabilità, per la gestione delle cartelle cliniche e i fascicoli sanitari elettronici. In tutti i nostri prodotti sono disponibili funzionalità di Intelligenza Artificiale. Inoltre, all’interno della nostra Data Platform InterSystems IRIS for Health, è possibile sviluppare modelli di Machine Learning scritti nel linguaggio Python oppure integrare modelli esterni. Uno sviluppatore che utilizza la nostra tecnologia di Data Platform può quindi inserire funzionalità di IA all’interno delle proprie applicazioni per la sanità.
Al fine di garantire la miglior assistenza ai pazienti, InterSystems vuole sostenere i medici, facilitando il loro lavoro e aiutandoli a prendere decisioni nel minor tempo possibile.
Ad esempio, nell’ambito del proprio sistema informativo ospedaliero, InterSystems ha sviluppato un modello per prevedere la diagnosi di diabete, utilizzando tecniche di Machine Learning e metodi statistici come l’analisi della sopravvivenza. I medici avranno a disposizione grafici in grado di valutare la percentuale di probabilità e stimare l’intervallo di tempo entro cui è possibile che avvenga la diagnosi.
Grazie a queste tecnologie, sarà sempre più facile integrare funzionalità intelligenti e predittive nei processi quotidiani delle aziende ospedaliere, offrendo al personale soluzioni all’avanguardia per supportare la diagnostica medica e ottimizzando l’uso delle risorse.
L'importanza della qualità del dato
Nel settore della sanità, la quantità di dati cresce in maniera esponenziale e con un ritmo che difficilmente si riscontra in altri settori. Applicare le tecnologie di Machine Learning alla medicina e alla diagnostica permette ai sistemi di imparare, migliorandosi con il tempo, esattamente come avviene con il cervello umano.
Alla base di tutto, però, ci sono i dati, la materia prima di ogni processo sanitario. Spesso i dati nei sistemi IT non sono strutturati e prima di poter applicare analisi o modelli di AI, è necessario pulire le informazioni di partenza, eliminando errori, duplicazioni e correggendo altre mancanze.
AI e ML, infatti, possono essere d’aiuto agli operatori sanitari affinando le informazioni su cui basare interventi successivi sul paziente, ma la qualità dei risultati dipende fortemente dalla qualità dei dati di input. Un passo fondamentale di tutti i progetti di IA e ML è un’adeguata pulizia dei dati per renderli efficacemente utilizzabili.
Semplificare il trattamento dei dati con un'unica data platform
I dati da utilizzare entrano nel sistema in formati diversi, come tabelle, immagini, file, messaggistica etc., e devono poi essere aggregati, standardizzati e ulteriormente elaborati. È il caso, ad esempio, delle procedure di anonimizzazione o pseudo-anonimizzazione per tutelare la privacy dei pazienti.
Per semplificare il trattamento dei dati, InterSystems ha integrato tutte le funzioni utili in un'unica piattaforma per la gestione, integrazione e analisi dei dati. In questo modo è possibile accorciare le attività di preparazione e organizzazione dei dati stessi e dedicare più tempo alla loro elaborazione.
Grazie a un'ampia gamma di plug-in e integrazioni native all’interno della Data Platform per la sanità InterSystems IRIS for Health si possono creare algoritmi con linguaggi di programmazione specifici come R o Python o con servizi cloud esterni, utilizzando i dati preparati ed elaborati automaticamente dalla piattaforma.
Cosa potrebbe aiutare maggiormente il medico?
L'utilizzo di modelli per prevedere malattie e rischi per la salute è facile e può fornire risultati in tempo reale. I dati possono essere utilizzati mentre i medici esaminano i pazienti e i modelli di Intelligenza Artificiale e di Machine Learning possono far parte di un processo collaborativo che raccoglie dati utili, li interpreta in modo intelligente e attiva avvisi e azioni in un workflow organizzato. Il risultato è l’inserimento di alert o trigger all’interno dei nostri applicativi per rendere le funzionalità di AI disponibili ai nostri clienti all’interno delle applicazioni per la sanità.
Il valore dell'integrazione di dati e applicazioni fornita da questo tipo di piattaforme si estende ai processi, creando un collegamento efficace tra l’analisi dei dati e le realtà dell'azienda sanitaria. Avere sistemi interconnessi è prerequisito per l'efficienza.
Ad esempio, una delle sfide principali nel settore sanitario è ridurre al minimo i tassi di riammissione. Negli ospedali dopo la dimissione di un paziente ci sono casi di riammissione ma anche persone che non vengono nuovamente ricoverate con una motivazione correlata alla diagnosi precedente. Pertanto, il dataset è bilanciato perché presenta dati target e non target.
L’obiettivo è verificare la probabilità che un paziente venga riammesso in ospedale con la stessa diagnosi oppure con una ad essa correlata. In questo modo è possibile migliorare la qualità dell’assistenza sanitaria quindi la convalescenza del paziente, e, in secondo luogo, ridurre i costi.
Intelligenza Artificiale negli ospedali: ASST Grande Ospedale Metropolitano Niguarda
Il progetto DataLake dell’ospedale Niguarda è stato realizzato da InterSystems e dal partner Medas e ha permesso di raccogliere e analizzare dei dati clinici dei pazienti affetti da COVID-19. Il sistema raccoglie automaticamente tutti i dati relativi ad ogni evento clinico rilevante e li immagazzina in forma grezza e non strutturata.
I dati estratti e anonimizzati sono popolati nei database di ricerca. La tecnologia avanzata di Machine Learning e Intelligenza Artificiale categorizza e analizza i dati in tempo reale e li rende disponibili per le decisioni cliniche.
L'Intelligenza Artificiale per migliorare i percorsi di cura
L'Intelligenza Artificiale è un valore aggiunto per i medici, poiché può migliorare la gestione dei dati sanitari e consentire diagnosi più precise e nuovi percorsi di cura.
Per utilizzare l'IA in modo efficiente, è necessario utilizzare soluzioni di "Advanced Clinical Data Lakes" per gestire grandi archivi di dati eterogenei e standardizzare i formati dei dati. Gli algoritmi di IA sono in grado di colmare i divari informativi nei dati sanitari disponibili, grazie alla comprensione dei nessi causali nascosti tra le informazioni, utilizzando il Machine Learning.
Le opportunità delle applicazioni di IA in sanità includono l'interpretazione di una mole maggiore di dati e diagnosi più precise, la previsione di epidemie e la riduzione del tempo necessario per svolgere attività burocratiche e di routine, consentendo di investire maggior tempo nella relazione con il paziente.
In particolare, propone un motore transazionale multi-modello, una piattaforma di sviluppo applicativa, un middleware di interoperabilità unitamente a strumenti di analisi dei dati e un supporto per soluzioni di Intelligenza Artificiale e Machine Learning.
