la guida

Cdss, i sistemi di supporto decisionale clinico: come funzionano

Grazie all’incrocio tra machine learning, LLM e standard di interoperabilità i Cdss, cioè i sistemi di supporto decisionale clinico, assumono un ruolo fondamentale nella Sanità: ecco perché

Pubblicato il 6 ott 2025

Giovanni Masi

Computer Science Engineer

Cup online, regione per regione appIO sanità formazione digitale in sanità GenAI in sanità; diagnosi precoce;cdss LLM in medicina ia in sanità IA generativa in sanità dossier sanitario elettronico privacy dei dati sanitari prima copia gratuita dei dati in cartella clinica

Aggiungi tra i preferiti su Google

Per oltre trent’anni i sistemi di supporto decisionale clinico (Clinical Decision Support Systems, CDSS) hanno promesso di trasformare il letto di ospedale in un punto d’incontro tra dati, linee guida e scelte terapeutiche tempestive. La prima ondata – basata su regole, alert e order set – ha migliorato sicurezza e aderenza alle best practice, ma si è spesso infranta contro due limiti strutturali, segnali poco specifici che alimentavano l’“alert fatigue” e una scarsa capacità di adattarsi alla variabilità dei pazienti reali. L’evoluzione che stiamo osservando oggi nasce dall’incrocio di machine learning, grandi modelli linguistici (LLM) e standard di interoperabilità maturi. Il risultato non è soltanto una nuova generazione di strumenti più accurati, è l’embrione di un CDSS più vicino al ragionamento clinico, più integrato nei flussi di lavoro e più regolato.

@RIPRODUZIONE RISERVATA

Giovanni Masi

Computer Science Engineer

Ingegnere Informatico e dell’Automazione, con specializzazione in Cybersecurity e Intelligenza Artificiale. Coordina il gruppo di lavoro sull’Intelligenza Artificiale presso l’Ordine degli Ingegneri. Con oltre vent’anni di esperienza nel settore dell’Information Technology, ha maturato competenze avanzate nella progettazione e sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di cybersecurity e nella creazione di modelli di Intelligenza Artificiale. Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus. È autore e docente dei corsi “Intelligenza Artificiale per Ingegneri” e “Intelligenza Artificiale Generativa e Prompt Engineering” erogati presso l’Ordine degli Ingegneri, nell’ambito delle attività formative specialistiche rivolte ai professionisti del settore. Ha inoltre tenuto seminari sull’Intelligenza Artificiale presso la Pontificia Università Antonianum. Autore di numerosi articoli di settore, pubblicati su riviste scientifiche, nei quali approfondisce tematiche legate alla ricerca applicata nella Generative AI. Ha partecipato a importanti progetti di ricerca, tra cui “BioGene”, un progetto supportato da NASA GeneLab, finalizzato all’analisi e all’estrazione di dati genomici da esperimenti spaziali e “Classificazione del livello di ossidazione dell’olio”, uno studio innovativo condotto in collaborazione con l’Università Ben Gurion del Negev (Israele), volto all’analisi e alla classificazione dei processi di ossidazione negli oli.

Seguimi su