Quando parliamo di dati, soprattutto in ambito sanitario, la nostra mente corre subito alla quantità spropositata di informazioni che il settore medico produce ogni giorno.
Milioni di dati. Ma basta questo a farci capire che sono dati di qualità?
Molto non vuol dire buono, e quando parliamo di dati, questa affermazione è ancora più vera.
C’è un concetto coniato più di cinquant'anni che si usa in queste circostanze: Garbage In, Garbage Out.
È un a metafora utile per ricordarci che i computer elaborano in modo acritico anche dati palesemente sbagliati o senza senso (garbage in), producendo quindi risultati sbagliati o senza senso (garbage out).
Tanta spazzatura metti dentro, tanta ne tiri fuori. E un dato-spazzatura in ambito medico può essere dannoso.
Se inserisco dati sbagliati in un sistema informatico, non posso aspettarmi che il sistema aggiusti quei dati e poi riproduca un output di qualità.
Questo concetto era molto popolare fin quando furono sviluppati i primi computer.
I programmatori dovevano verificare ogni parte del programma e prestare attenzione agli input, perché da questi dipendeva la qualità dell’output. Ma ancora oggi è così: per quanto siano potenti i calcolatori di oggi rispetto ai primi prototipi, non possono migliorare la qualità del dato oltre un certo livello.
L’esempio delle registrazioni audio ci può aiutare: se la registrazione è di bassa qualità, potremmo intervenire con qualche piccolo aggiustamento sui rumori di fondo e sul volume, potremmo fare forse un minimo di pulizia, ma da una registrazione di scarsa qualità difficilmente ne uscirà una di alta qualità.
Più in generale, anche quando si tratta di prendere decisioni, queste si basano su informazioni raccolte in precedenza o in tempo reale: se quelle informazioni sono sbagliate e non c’è modo di essere allertati, saranno usate come buone e la decisione sarà presa sulla base di presupposti sbagliati.
La qualità del dato sanitario
Ora immaginatevi tutto questo nel mondo sanitario: un’informazione errata su una terapia, una trascrizione errata su un’allergia, che tipo di conseguenze possono avere sul paziente e sul sistema?
In una Data Economy come quella in cui viviamo, il settore sanitario è proprio uno dei principali fornitori di grandi volumi di informazioni e con caratteristiche specifiche. Ciò lo rende particolarmente interessante e, allo stesso tempo, vulnerabile in termini di privacy e sicurezza. Per questo oggi più che mai occorre validare la qualità di queste informazioni.
Le aziende del settore Life Sciences stanno lavorando come mai prima d'ora alla ricerca, allo sviluppo e alla produzione di beni e servizi per il settore. Per loro i dati provenienti dall’utilizzo dei farmaci o dall’uso di determinate soluzioni, sono fondamentali. E devono essere dati di qualità.
Ad esempio, le informazioni inerenti alla farmacovigilanza, o quelle sui patient related outcome sono indispensabili per capire se un trattamento sta o meno funzionando. Il dato non può che essere di qualità per avere senso ed essere utile.
L' Intelligenza Artificiale (AI) è già applicata con successo nel settore sanitario. L’AI può supportare il medico a prendere decisioni diagnostiche, terapeutiche e di follow-up. Lo stesso accade nella ricerca, nelle sperimentazioni cliniche o nella telemedicina. Se è necessario che i dati siano di qualità in qualsiasi attività, nel caso della sanità è d'obbligo. Le persone e la loro qualità di vita dipendono da questo.
L'importanza della qualità dei dati ovviamente non riguarda solo l'AI, ma altri trend e tecnologie come il Mobile Health (mHealth), l’Internet of Medical Things ( IoMT), il Cloud Computing e la robotica; come anche la realtà virtuale e la realtà aumentata che saranno accelerate grazie allo sviluppo del 5G.
Lavorare sulla qualità del dato
Da quanto abbiamo appena descritto, appare chiaro che le informazioni che abbiamo vanno esaminate e classificate prima di immetterle nei sistemi informatici. Prima che siano usate per fare elaborazioni su diagnosi, terapie, sperimentazioni, etc.
In questo modo, immettendo un dato qualificato, il risultato del calcolo che otteniamo dipenderà solo dall'algoritmo o dalla formulazione di una domanda, ma non dalla qualità dei dati, che, a quel punto, sarà già stata stabilita. La tecnologia per raggiungere questo obiettivo esiste ed è a disposizione delle aziende; ci sono molteplici soluzioni sul mercato.
Maturità digitale
Le soluzioni ci sono, ma abbiamo la maturità digitale necessaria per affrontare efficacemente sfide come questa? Nel nostro Sistema Sanitario Nazionale poi, frammentato in 21 Sistemi regionali diversi che non parlano tra di loro, dove vi è una scarsa interoperabilità dei sistemi, dove il Fascicolo Sanitario Elettronico è al momento un raccoglitore di dati in pdf, dove la metà della Asl raccoglie le informazioni ancora su carta, è difficile anche solo pensare a poter pulire il dato prima di immetterlo nel sistema.
Per poter lavorare con dati di qualità occorre avere una visione globale e integrata di ogni cittadino (salute/benessere) e di ogni paziente (salute/malattia) e, per questo, occorre disporre di buoni sistemi informativi clinici e dispositivi medici affidabili connessi in rete e sincronizzabili, come parte di un ecosistema che va oltre le specialità e i servizi tradizionali. I dati, insomma, devono essere di qualità e accessibili a chiunque sia competente. In tempo reale.
Assistenza medica in tempo reale
Non si tratta di digitalizzare la "spazzatura", ma di sfruttare la confluenza di diverse tecnologie e il loro alto potenziale per realizzare la vera trasformazione digitale dell'ecosistema sanitario, rendendo possibili soluzioni che offrano assistenza sanitaria in qualsiasi momento, da e verso qualsiasi luogo.
Parliamo di reti di tecnologia mobile ad alta disponibilità, in gradi di elaborare un ingente volume di dati - da qui la necessità che siano di qualità- consentendone l'utilizzo in tempo reale, grazie al 5G, in ambito sanitario.
Lavorare con informazioni parziali, incomplete o soggettive avrebbe conseguenze imprevedibili per il paziente e per il Sistema Sanitario Nazionale. È qui che il circolo virtuoso delle reti 5G, insieme ai dispositivi medici connessi (IoMT's), il cloud e l'intelligenza artificiale renderanno i trattamenti molto più efficaci e personalizzati (“5P Medicine”) per ciascuno dei pazienti, basati su dati medici personali e con l'ausilio di dati medici aggregati e resi anonimi.
Le nuove tecnologie non sono la risposta alle sfide dei moderni sistemi sanitari, ma piuttosto lo strumento che contribuirà alla necessaria trasformazione digitale dell'ecosistema salute.
Ma la qualità del dato sarà sempre un fattore critico di successo.
Articolo liberamente tratto e adattato per l'Italia dall'originale.
