Veneto ed Engineering

I big data contro il covid: la tecnologia c’è, ecco come funziona

Nella fase di ritorno a una nuova normalità, la conoscenza delle persone infette, dei guariti, degli immunizzati dei potenziali vaccinati è determinante. L’elemento chiave sarà quello di avere una piattaforma interoperabile, basata su open data  e open API. Ecco la tecnologia che fa la differenza

Pubblicato il 26 Mag 2020

Arianna Cocchiglia

Director Healthcare Innovation and Partnership presso Engineering Ingegneria Informatica Spa

Lanfranco Marasso

Digital Enabler Program Director presso Engineering

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
sorveglianza social ICE

Il Covid-19 ha fatto emergere come l’ambito della salute pubblica fosse impreparato a gestire un’emergenza di questa portata in termini di strumenti e processi organizzativi.

Anni e anni ad investire sulle piattaforme cliniche di cura, sui Fascicoli Sanitari Regionali, sull’interoperabilità dello scambio delle informazioni cliniche tra ospedali e regioni per ritrovarci senza sistemi di monitoraggio, di data analytics, di governo.

A posteriori la domanda da porsi è: sistemi immediati di controllo e governo dell’epidemia avrebbero potuto supportare task force e comitati tecnico-scientifici nel prendere decisioni immediate e differenziate consentendo di gestire il dilagare della pandemia senza dover immobilizzare un intero Paese?

Ancora una volta il problema non è “solo” tecnologico, ma organizzativo e culturale. La tecnologia c’è, esiste, abbiamo piattaforme di big data che consentono di mettere in relazione qualunque tipologia di dato, di localizzare e monitorare fino ad arrivare a predire l’evoluzione dei fenomeni anche più complessi.

Salute pubblica, non solo buone pratiche

Quello che manca ancora oggi è crederci, capire che la salute pubblica non è solo una questione di “buone pratiche” o promozione di comportamenti sani, ma deve essere messa nelle condizioni di leggere il “fenomeno salute”, avere gli strumenti con cui indirizzare la politica verso scelte e strategie basate sulla realtà oggettiva dei dati sull’evoluzione dei fenomeni clinici.

La salute pubblica è stata definita come “la scienza e l’arte di prevenire e contrastare le malattie” attraverso sforzi organizzativi e scelte informate; allora dal punto di vista tecnologico il nostro compito, la nostra parte sta nel fornire ad epidemiologi, biostatistici, e dipartimenti di prevenzione gli strumenti tecnologici a loro supporto con cui attuare programmi volti alla prevenzione e protezione del bene massimo della nostra comunità.

Come funziona la bio-sorveglianza contro il virus coi big data

È per rispondere a questa esigenza quanto mai contingente che è nato il sistema di bio-sorveglianza Eng-DE4Bios. La prova che la tecnologia è quanto mai pronta. È solo un driver che va alimentato, con competenza e intelligenza (umana e artificiale) con l’enorme patrimonio data-informativo della pubblica amministrazione: competenze clinico-epidemiologiche-biostatistiche, dati, tecnologia, questa la piramide in ordine di importanza della nostra lotta contro il Covid-19.

Ecco come funziona.

Vengono collegati centralmente laboratori di microbiologia e laboratori di chimica clinica, pubblici e privati, che effettuano senza sosta, giorno e notte, decine di migliaia di test che arrivano dal territorio, dai reparti ospedalieri, dai pronti soccorsi, da stazioni volanti. Condizioni operative difficili che spesso portano dati sporchi; gigabyte che devono essere armonizzati e integrati per poter essere utilizzati rapidamente.

I risultati clinico-diagnostici vengono collegati in real time ai dati che arrivano dagli applicativi di gestione sanitaria per sapere dove sono le persone infette: a casa, in ospedale o in terapia intensiva, quest’ultima una delle risorse più preziose e critiche nella crisi COVID-19.

Tutti questi dati clinicamente importantissimi vengono quindi collegati alle informazioni puramente amministrative come la resistenza, il medico di base, una fascia di età, che però lette in maniera aggregata forniscono informazioni indispensabili sulla diffusione e geografia del virus.

Queste informazioni vengono organizzate per dare agli operatori clinici territoriali una mappa in tempo reale per vedere dove sono le persone interessate da COVID-19, con un riferimento al luogo dove abitano, al loro medico, alla loro condizione clinica di rischio: un “palloncino rosso” identifica un infetto a casa in quarantena, un palloncino verde un guarito, un palloncino nero un decesso.

In questo modo:

  • I Medici di Medicina Generale hanno in tempo reale le informazioni sui loro assistiti, la possibilità di vedere tutti i test effettuati da un loro paziente, la mappa dell’evoluzione del contagio tra i loro assisti per programmare in sicurezza la loro attività quotidiana sul territorio.
  • I Sindaci e le Autorità competenti che programmano le attività di assistenza e presidio hanno le informazioni aggiornate relative ai loro specifici territori, alle persone in isolamento domiciliare grazie alla possibilità di effettuare ricerche e visualizzazioni facili e veloci: non per controllo ma per protezione, per supporto per assistenza sociale.
  • Si può osservare l’evoluzione nel tempo, con i dati che, con il passare dei giorni e delle settimane, fanno mutare il “palloncino rosso” in un gruppetto di due, tre, quattro persone. Quel cluster è un nucleo familiare o un condominio o una casa di riposo: il virus attacca dentro le mura domestiche o tra gli anziani.
  • La Regione può attuare delle politiche di tamponi su tutti i nuclei a rischio mettendo in sicurezza da subito tutti i relativi contatti. I SISP (Servizi di Igiene e Sanità Pubblica) hanno la possibilità di avere uno strumento immediato che a partire da un paziente infetto fornisce loro informazioni sul suo nucleo familiare, sui vicini di casa, quanti hanno già fatto il tampone quanti sono infetti quanti potenzialmente sono esposti al virus, definendo così le priorità per sottoporre a test preventivi coloro che non lo avessero ancora fatto in base alla loro classe di rischio.

La piattaforma consente il monitoraggio della situazione puntuale e aggiornata di tutti gli Operatori Sanitari impiegati sul campo in prima linea. Rappresentano l’arma più preziosa, e limitata, contro il virus: dove ne “cadono” di più colpiti dal virus vanno protetti di più con azioni immediate.

Per le Autorità di gestione dell’emergenza avere la situazione in tempo reale è cruciale per prendere decisioni determinanti e veloci: richiamare in servizio chiunque sia “reintegrabile”, avere un quadro preciso e di dettaglio per Amministrazione Sanitaria e per profilo professionale.

Eng-DE4Bios dà la possibilità agli epidemiologi di implementare i loro modelli di evoluzione a partire da dati puntuali che rappresentano l’effettiva popolazione, di disegnare in tempo reale le curve di evoluzione pandemica e di diffusione del virus. Di monitorare l’andamento del famoso R0 che, l’abbiamo imparato tutti, doveva scendere sotto 1.

La piattaforma è uno strumento che contribuisce a dare la possibilità di tornare a una nuova normalità in sicurezza senza farci trovare impreparati, che contribuisce – come da indicazioni dell’OMS – a rendere le politiche virtuose di screening regionali l’arma per poter continuare a vivere in sicurezza.

I dipartimenti di salute e sanità pubblica con la piattaforma hanno gli strumenti per isolare da subito l’insorgenza di casi positivi nelle aziende e nelle imprese, prima che questi diventino nuovi focolai a rischio costringendo a richiudere le nostre imprese togliendo la possibilità di lavorare. Anche i medici competenti del lavoro diventano le sentinelle della salute dei nostri ambienti di lavoro avendo la possibilità di monitorare i lavoratori che devono tutelare.

Abbiamo gli strumenti per permettere ai nostri bimbi di tornare a scuola monitorando la situazione in tempo reale evitando che ad ottobre le prime tre febbri normali di stagione scatenino il panico.

Conclusioni

Abbiamo una fase 2 e avremo una fase 3 di ritorno a una nuova normalità dove la conoscenza delle persone infette, dei guariti, degli immunizzati dei potenziali vaccinati è determinante. Potranno essere diverse le app utilizzate nel nostro Paese, ma l’elemento chiave sarà quello di avere una piattaforma interoperabile, auspicabilmente a livello Europeo e basata su open data model e open API per compiere analisi su dati puntuali, in grado di gestire le informazioni rilevanti per la fase post-emergenziale. Indipendentemente dalla singola app.

La tecnologia è fondamentale, il fattore umano determinante.

Tutto quello che è stato descritto è stato pensato e realizzato da donne e uomini, di Engineering al fianco di Regione del Veneto e Azienda Zero, in prima linea contro il virus con la competenza di epidemiologi e la lungimiranza di chi capisce che i dati e il patrimonio informativo di questi sono il driver delle strategie di salute pubblica e bio-sorveglianza sanitaria.

Un’esperienza importante, concreta, oggi messa a fattor comune per Regioni e Paesi in tutto il mondo.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x