Costi, efficienza e IA in sanità: verso un nuovo modello di SSN

L’intelligenza artificiale in sanità non è più soltanto una frontiera tecnologica, ma un vero fattore di trasformazione dei sistemi di cura. Algoritmi predittivi, analisi dei dati clinici e automazione dei processi stanno cambiando il modo in cui ospedali e strutture sanitarie organizzano risorse, servizi e costi.

In questo contesto, diventa essenziale dotarsi di indicatori robusti che permettano di misurare in modo oggettivo impatti economici, sociali e organizzativi. È da questa esigenza che prende avvio il percorso descritto nel testo, a partire dall’evoluzione tecnologica e dalla pressione crescente sulla sostenibilità del sistema sanitario nazionale.

L’impatto dell’intelligenza artificiale in sanità sul sistema pubblico

Negli ultimi decenni, l’evoluzione tecnologica e la globalizzazione, ma soprattutto la loro velocità di espansione, hanno condizionato gli sviluppi di tutte le realtà aziendali. tNegli ultimi decenni, l’evoluzione tecnologica e la globalizzazione, ma soprattutto la loro velocità di espansione, hanno condizionato gli sviluppi di tutte le realtà aziendali. Tra queste non è escluso il sistema sanitario, che si trova oggi al centro di un processo di trasformazione strutturale.

Il settore sanitario globale sta attraversando una fase di rapida trasformazione, spinta principalmente dall’adozione di tecnologie avanzate che promettono di migliorare la qualità delle cure, ridurre i costi e aumentare l’accessibilità ai servizi sanitari. Tra queste tecnologie, l’Intelligenza Artificiale (IA) si sta imponendo come uno degli strumenti più promettenti e innovativi, con applicazioni che spaziano dalla diagnosi automatica alla gestione delle risorse sanitarie, dalla medicina personalizzata alla previsione dei rischi sanitari.

L’intelligenza artificiale, che comprende algoritmi di machine learning, deep learning, analisi predittiva e intelligenza computazionale, sta già facendo passi da gigante in ambiti clinici e amministrativi. Tuttavia, l’implementazione e l’adozione di queste tecnologie sollevano diverse domande sul loro impatto economico, sociale ed etico.

Da un lato, l’IA ha il potenziale per abbattere i costi operativi e migliorare la qualità delle cure; dall’altro, richiede investimenti iniziali considerevoli e presenta sfide legate alla gestione dei dati sensibili, alla formazione del personale e alla regolamentazione. Nel contesto economico, l’introduzione dell’IA potrebbe essere vista come una risposta alla domanda crescente di sostenibilità dei servizi sanitari.

Intelligenza artificiale in sanità tra trasformazione digitale e sostenibilità

I sistemi di cura della salute attuali devono far fronte, infatti, a una moltitudine di sfide. Queste criticità strutturali incidono sulla capacità del sistema sanitario di garantire qualità, equità ed efficienza.

Sfide strutturali dei sistemi sanitari

• Invecchiamento della popolazione
• Crescente incidenza di malattie croniche
• Scarsità di risorse
• Pressione per migliorare efficienza e qualità dei servizi
• Disuguaglianza nell’accesso alle cure

In questo scenario, l’adozione di soluzioni tecnologicamente avanzate come l’IA potrebbe essere un’opportunità per ottimizzare le risorse, così da fornire servizi con maggiore efficienza e con più sicurezza per quanto riguarda la qualità del trattamento dei pazienti. Nel complesso, l’interazione tra IA ed economia sanitaria non è una mera questione di innovazione tecnologica, ma anche una sfida per iniziare a riflettere su un futuro sistema sanitario più sostenibile e resiliente.

Indicatori per valutare costi ed efficienza dell’intelligenza artificiale in sanità

L’obiettivo principale dell’elaborazione di un indicatore è esplorare in modo approfondito il ruolo che le tecnologie di intelligenza artificiale (IA) avranno sui servizi sanitari, con l’obiettivo di fornire un quadro chiaro e operativo sulle implicazioni economiche, politiche e sociali.

A tal fine, lo sviluppo si concentrerà su quattro aspetti fondamentali, che rappresentano le dimensioni chiave della trasformazione sanitaria:

• Costi ed efficienza (impatto economico)
• Accessibilità ed equità alle cure
• Personalizzazione delle cure
• Evoluzione di nuovi modelli di business

Applicazioni principali dell’IA in medicina

L’utilizzo dell’IA in medicina, negli ultimi anni, ha riscontrato una crescita esponenziale grazie ai progressi degli algoritmi di apprendimento automatico (ML) e apprendimento profondo (DL). Di seguito sono riportate alcune applicazioni dell’IA, già implementate o in fase di sviluppo[1]:

• Analisi di immagini mediche,
• Diagnosi medica,
• Chirurgia robotica assistita dall’IA,
• Analisi della cartella clinica elettronica,
• Scoperta e sviluppo di nuovi farmaci,
• Scrittura di progetti e articoli scientifici assistita dall’IA,
• Altre applicazioni.

Analisi economica e ritorno sull’investimento

Un aspetto essenziale[2] di questa indagine è l’analisi degli effetti economici quando si integra l’impiego dell’IA nelle strutture sanitarie. Anche se svariati studi hanno considerato le potenzialità dell’IA in ambito sanitario, serve un’analisi più accurata del ritorno sull’investimento (ROI) e delle spese operative a lungo termine.

La domanda da porsi è come l’IA possa diventare uno strumento per tagliare le spese operative e rendere più efficienti le strutture sanitarie, senza che la qualità delle cure ne risenta, mantenendo quindi un binomio difficile ma possibile tra risparmio e sicurezza clinica.

Lo sviluppo dell’indicatore, successivamente presentato, avrà come scopo principale interagire con i seguenti aspetti:

• Taglio delle spese dirette con l’integrazione dell’IA nei processi clinici (ad esempio nella diagnosi automatica e nell’analisi predittiva) e amministrativi (come la gestione delle risorse e la razionalizzazione dei flussi di lavoro), riducendo le spese legate a errori medici, inefficienze operative e ritardi nelle cure
• ROI a lungo termine: l’investimento iniziale per implementare soluzioni di IA può essere notevole. La costruzione dell’indicatore si concentrerà sull’analisi di lungo periodo, valutando se i risparmi dovuti a una maggiore efficienza e a una migliore gestione delle risorse possono compensare gli elevati costi iniziali e portare a un ritorno positivo sugli investimenti
• Effetti indiretti: in conseguenza al taglio dei costi, l’integrazione dell’IA potrebbe portare a un miglioramento dei risultati economici generali del sistema sanitario, come una maggiore produttività dei professionisti della salute, la riduzione dei tempi di degenza e una diminuzione dei ricoveri, fattori che possono alleggerire la pressione finanziaria sul sistema sanitario, sia pubblico che privato

Accessibilità alle cure ed equità nell’uso dell’intelligenza artificiale in sanità

L’IA non è solo una promessa di efficienza, ma ha un ruolo chiave nel migliorare l’accessibilità alle cure, soprattutto per le fasce più deboli della popolazione o per chi vive in zone svantaggiate. In diverse regioni, soprattutto nei paesi in via di sviluppo o nelle zone rurali, l’accesso a servizi sanitari validi è complicato da ostacoli economici, geografici e sociali.

Lo sviluppo di ricerca si concentrerà su come l’IA possa essere lo strumento per aiutare a superare questi ostacoli:

• Telemedicina e assistenza a distanza: con l’integrazione dell’IA nelle piattaforme di telemedicina si potrebbe ampliare l’accesso ai servizi sanitari, permettendo a pazienti che vivono in zone isolate di avere diagnosi rapide e consulti medici senza doversi sobbarcare viaggi costosi e lunghi
• Diagnosi predittive in aree fuori mano: con l’impiego dell’IA per la diagnosi precoce e la previsione dei rischi sanitari in gruppi vulnerabili (malati cronici o anziani) si può ridurre il bisogno di cure complesse e costose in fasi avanzate della malattia, migliorando così l’efficacia del sistema sanitario a livello globale

L’IA offre la chance di raccogliere, analizzare e interpretare enormi quantità di dati provenienti dai pazienti, consentendo diagnosi più precise, trattamenti mirati e interventi preventivi più efficaci.

Personalizzazione delle cure con l’intelligenza artificiale in sanità

Un ulteriore aspetto chiave dell’innovazione sanitaria resa possibile dall’IA è la personalizzazione delle cure. La medicina personalizzata si fonda sull’idea che i trattamenti medici dovrebbero essere adattati alle caratteristiche individuali di ogni paziente, invece di seguire un approccio standardizzato.

L’uso dell’IA offre la possibilità di raccogliere, analizzare e interpretare grandi quantità di dati provenienti dai pazienti, consentendo diagnosi più precise, nonché trattamenti mirati e interventi preventivi più efficaci:

• Analisi dei Big Data: la capacità dell’IA di analizzare enormi quantità di dati provenienti da varie fonti (cartelle cliniche elettroniche, dispositivi indossabili, genomica, ecc.) permette una valutazione personalizzata delle condizioni di salute del singolo individuo. Questo consente, ad esempio, la creazione di piani terapeutici su misura per ogni paziente
• Prevenzione e monitoraggio continuo: le soluzioni basate su IA sono in grado di monitorare di continuo la salute del paziente e prevedere possibili complicazioni, consentendo un intervento tempestivo e la riduzione dei rischi di malattie croniche. Ciò è particolarmente utile per patologie come il diabete, l’ipertensione e le malattie cardiovascolari
• Benefici economici della medicina personalizzata: oltre ai benefici clinici, la personalizzazione delle cure porta vantaggi economici grazie a una maggiore efficienza e a una riduzione dei trattamenti inadatti o eccessivi. Infatti, l’adozione della medicina di precisione può ridurre gli sprechi nel sistema sanitario, migliorando al contempo i risultati per i pazienti

Nuovi modelli di business e governance dell’innovazione sanitaria

L’introduzione delle tecnologie di IA genera scenari inediti per trasformare gli approcci commerciali nel settore sanitario. Le start-up tech, le formule di finanziamento all’avanguardia e le collaborazioni tra pubblico e privato si affermano come elementi trainanti che delineano il futuro dell’assistenza sanitaria, favorendo nuovi modelli di sostenibilità economica e di organizzazione dei servizi.

Metodologia di analisi e fonti per la valutazione economica

La costruzione dell’indicatore si avvarrà di un sistema integrato di metodologie, pensato appositamente per affrontare in modo esaustivo e completo i dubbi che emergono quando si introduce l’Intelligenza Artificiale nella sanità. L’approccio scelto, che coinvolge diverse discipline, è strutturato in fasi e usa svariate tecniche, ciascuna con lo scopo di analizzare l’effetto e le possibilità che l’IA porta con sé.

L’elaborazione della letteratura scientifica segue le linee guida PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) con l’obiettivo di garantire trasparenza, riproducibilità e una corretta valutazione delle evidenze disponibili. Si conduce una ricerca bibliografica completa utilizzando database come PubMed, Google Scholar, Scopus e IEEE Xplore, concentrandosi sugli studi pubblicati tra il 2010 e il 2025.

Le parole chiave includono “intelligenza artificiale”, “diagnosi”, “apprendimento automatico”, “cost-benefits analysis”, “healthcare cost reduction”, “Healthcare economic impact of IA”.

• Analisi econometrica dei dati sanitari: i modelli econometrici verranno utilizzati per valutare l’impatto economico in relazione a efficienza operativa, costi e qualità dell’assistenza, utilizzando i dati degli ospedali e delle organizzazioni sanitarie che hanno adottato soluzioni basate sull’intelligenza artificiale
• Modellizzazione delle disuguaglianze nell’accesso all’IA: l’analisi della letteratura esistente rilascerà evidenze necessarie per capire come i vari fattori incisivi sull’implementazione dell’IA si differenziano da popolazione a popolazione. Alcuni dei temi principali trattati includono: adattamento economico a modelli di business, impatto dell’IA sulla qualità dei servizi, etica e politica pubblica
• Analisi delle politiche pubbliche: la realizzazione di un esame incrociato delle strategie per la salute pubblica nelle nazioni che hanno introdotto l’IA permetterà una valutazione di come le leggi impattano sull’uso e sui risultati dell’IA nel settore sanitario

Indicatori economici, operativi e di sostenibilità dell’intelligenza artificiale in sanità

Per compiere l’analisi indicata sono stati evidenziati alcuni indicatori che riescono a determinare e analizzare gli impatti sia nel breve che nel lungo periodo dell’IA in sanità. Gli indicatori sono suddivisi in categorie che coprono aspetti economici, operativi, clinici e di sostenibilità. La trasversalità degli indicatori garantisce un’analisi approfondita.

Indicatori economici

misura il ritorno economico rispetto al costo iniziale dell’implementazione dell’IA; il calcolo del ROI consente di confrontare il costo dell’investimento in IA con i benefici economici che l’IA porta nel tempo

ROI = (Investimento iniziale / Benefici economici netti) × 100

dove:

• Investimento iniziale: costi diretti e indiretti per l’acquisto, implementazione, formazione dell’IA
• Benefici economici netti: risparmi totali generati dall’adozione dell’IA, sottratti i costi associati all’implementazione dell’IA

• Risparmio sui costi operativi[4]: la robotizzazione di compiti ripetitivi riduce la necessità di personale umano, abbattendo i costi. Si misura la capacità dell’IA di ridurre le spese operative dirette e, al tempo stesso, di ridurre gli errori umani, migliorando la diagnostica e i costi associati agli errori.
• Per il risparmio sui costi operativi, ogni struttura può delineare specifici indici affinché analizzi il processo di risparmio (ad esempio, numero di ore risparmiate in rapporto con i relativi costi).

Tra i vari costi, è da valutare la riduzione dei costi operativi per singolo paziente trattato. Questo permette di analizzare singolarmente[5] l’uso efficace dell’implementazione dell’IA e poter concludere quali aspetti rafforzare.

InIndicatori operativi

• Tempo di diagnosi: confronto tra il tempo di diagnosi prima e dopo l’uso di IA
• Tempo di utilizzo delle attrezzature mediche
• Percentuale di interventi preventivi rispetto a quelli correttivi
• Efficienza complessiva del flusso ospedaliero (ad esempio, tempo di permanenza medio in ospedale, numero di pazienti trattati per unità di persona)

Indicatori di sostenibilità ambientale

• Efficienza energetica: ottimizzazione dell’uso dei dispositivi medici a basso consumo energetico attraverso implementazione di soluzioni di IA
• Riduzione dei rifiuti medici

Indicatori di sostenibilità sociale

• Riduzione delle disuguaglianze sociali: valutare attraverso l’implementazione di sistemi di IA come si riduce la disuguaglianza sociale nell’accesso e negli esiti delle cure
• Supporto alla formazione: aumento delle competenze diagnostiche e terapeutiche grazie a sistemi di formazione basati su IA

CSTI e ottimizzazione dei costi nel sistema sanitario

Inoltre, l’elaborazione di un indicatore di “Costo di Sostituzione tecnologica dell’intervento di IA” (CSTI) può agevolare la pianificazione strategica aziendale e permettere che vi sia una pratica valutazione delle scelte tecnologiche.

Il CSTI valuta l’efficienza economica dell’introduzione di tecnologie di IA in ambito sanitario, per esempio la diagnosi precoce, il monitoraggio remoto, l’assistenza automatizzata, rispetto alla sostenibilità economica di tecnologie tradizionali. In questo caso il costo sostitutivo delle tecnologie tradizionali è un parametro di controllo.

In sostanza l’indicatore valuta il costo delle tecnologie di IA rispetto al costo delle tecnologie tradizionali per determinare il costo di riduzione di interventi medici manuali o interventi di lunga degenza, senza compromettere la qualità del servizio sanitario.

Formula del CSTI:

CSTI = ((Costo Totale delle Cure Tradizionali − Costo Totale delle Cure con IA) / (Numero di interventi o trattamenti sostituiti))

• Costo Totale delle Cure Tradizionali: somma di tutte le spese mediche associate agli interventi tradizionali, inclusi i costi per personale, attrezzature, ospedalizzazione, ecc.
• Costo Totale delle Cure con IA: somma di tutte le spese legate all’uso dell’IA, incluse le licenze software, la formazione del personale, l’integrazione tecnologica, ecc.
• Numero di Interventi o Trattamenti Sostituiti: numero di trattamenti che sono stati sostituiti o ottimizzati grazie all’IA

Per determinare l’indice CSTI, bisogna raggruppare i dati mirati derivanti da analisi di casi concreti o da test clinici, in cui l’intelligenza artificiale ha trovato applicazione in un contesto di cura della salute. I dati di cui abbiamo bisogno comprendono:

• Spese immediate collegate all’utilizzo della tecnologia basata sull’IA, che includono programmi, attrezzature, infrastrutture e spese per l’addestramento del personale
• Informazioni sui trattamenti che sono stati rimpiazzati: per esempio, il numero di operazioni chirurgiche evitate grazie alla diagnostica automatizzata o il numero di ospedalizzazioni ridotte tramite la telemedicina
• Parametri di qualità: è indispensabile tenere sotto controllo gli esiti sanitari (tassi di mortalità, standard di vita, guarigione) per assicurarsi che l’introduzione dell’IA non vada a discapito della qualità delle cure

L’obiettivo costruito dal CSTI è capire come l’IA possa aiutare nell’ottimizzazione della gestione operativa dei costi e l’efficienza del sistema sanitario, senza danneggiare la qualità e i risultati dei trattamenti. La corretta implementazione dell’IA può trasformare profondamente il panorama sanitario, migliorando la gestione delle risorse, riducendo gli errori e velocizzando i processi diagnostici. Tuttavia, è essenziale che questo processo avvenga in modo graduale e pianificato, per evitare rischi legati alla qualità dell’assistenza.

Bibliografia indicata nelle note:

Vidali M. (2024). Intelligenza Artificiale in Medicina: implicazioni e applicazioni, sfide e opportunità. SC Patologia Clinica, Fondazione IRCCS Ca’ Granda Ospedale Maggiore Policlinico, Milano, vol.48, n.2, pag.133

Binns, R. W. (2020). The Cost of AI in Healthcare: ROI and Beyond. Healthcare Management Review, 45(2), 174-181.

Challen, R., Denny, J., Pitt, M., et al. (2019). Artificial Intelligence, Bias, and Clinical Safety. BMJ Quality & Safety, 28(3), 231-238.

Davenport, T., & Kalakota, R. (2019). “The potential for artificial intelligence in healthcare”. Future healthcare journal, 6(2), 94–98. https://doi.org/10.7861/futurehosp.6-2-94

Gomez Rossi J , Rojas-Perilla N , Krois J , Schwendicke F.,(2022).Rapporto costo-efficacia dell’intelligenza artificiale come sistema di supporto alle decisioni applicato al rilevamento e alla classificazione del melanoma, della carie dentale e della retinopatia diabetica. JAMA Netw Open.;5(3):e220269. doi:10.1001/jamanetworkopen.2022.0269

Vidali M. (2024). Intelligenza Artificiale in Medicina: implicazioni e applicazioni, sfide e opportunità. SC Patologia Clinica, Fondazione IRCCS Ca’ Granda Ospedale Maggiore Policlinico, Milano, vol.48, n.2, pag.133

[1]Vidali M. (2024). Intelligenza Artificiale in Medicina: implicazioni e applicazioni, sfide e opportunità. SC Patologia Clinica, Fondazione IRCCS Ca’ Granda Ospedale Maggiore Policlinico, Milano, vol.48, n.2, pag.133

[2] Davenport, T., & Kalakota, R. (2019). “The potential for artificial intelligence in healthcare”. Future healthcare journal, 6(2), 94–98. https://doi.org/10.7861/futurehosp.6-2-94

[3] Binns, R. W. (2020). The Cost of AI in Healthcare: ROI and Beyond. Healthcare Management Review, 45(2), 174-181.

[4] Challen, R., Denny, J., Pitt, M., et al. (2019). Artificial Intelligence, Bias, and Clinical Safety. BMJ Quality & Safety, 28(3), 231-238.

[5] Gomez Rossi J , Rojas-Perilla N , Krois J , Schwendicke F.,(2022).Rapporto costo-efficacia dell’intelligenza artificiale come sistema di supporto alle decisioni applicato al rilevamento e alla classificazione del melanoma, della carie dentale e della retinopatia diabetica. JAMA Netw Open.;5(3):e220269. doi:10.1001/jamanetworkopen.2022.0269