L’emergenza coronavirus richiede un passo diverso di policy assieme a un uso sempre più diffuso di intelligenza artificiale e di ogni forma di telemedicina e teleassistenza home care, come sta avvenendo in Cina.
Guardando, poi, oltre l’emergenza (ma non dimenticandola) si può cogliere tutta l’inadeguatezza dello sforzo tecnologico, pur importante, finora compiuto nella sanità italiana.
Possiamo quindi affermare che dopo il Coronavirus nulla resterà come prima. Vediamo come riprogettare servizi e processi.
La ricerca sul coronavirus
Partiamo dalla ricerca sul Coronavirus: simulare le condizioni della sua riproduzione e del contrasto alla diffusione, si può fare in due modi diversi: con la chimica dei laboratori e con nuovi e potenti computer. In questa seconda line occorre una grande potenza di calcolo e algoritmi via via sempre più perfetti e allenati per creare virtualmente le condizioni in cui materialmente il virus si è sviluppato e si sta sviluppando.
Lo annuncia il consorzio delle Università Italiane – Cineca. Tramite il super computer Marconi si sta simulando il comportamento delle proteine che consentono al virus di replicarsi in modo da poter testare virtualmente le molecole farmaceutiche più efficaci a inibire il fenomeno, per poter poi passare alla fase di validazione in laboratorio, accelerando la produzione di farmaci efficaci per ridurne la replicabilità.
I ricercatori stanno già operando in parallelo sul mondo reale – che conosciamo e che osserviamo ogni giorno sui media – e su quello virtuale fatto di bit e non di atomi e cellule. Non bastano i dati sia pur dematerializzati (eData) ma occorrono algoritmi e Big Data. I programmatori e gli statistici sono già al lavoro, in questo venerdì di paura di febbraio in cui arrivano le prime informazioni dai paesi della Lombardia dove il virus ha cominciato a diffondersi.
I progetti di trasformazione digitale della sanità italiana non possono ignorare questi nuovi scenari epidemiologici. Per avere successo e un efficace impatto con cittadini, medici e malattie – com’è stato illustrato in un recente incontro a Bologna, presente il Sottosegretario alla Sanità Sandra Zampa e un qualificato team di esperti – occorre con grande urgenza mettere in opera la tecnologia più avanzata di Intelligenza Artificiale (AI).
Il mercato, peraltro, dispone già di valide soluzioni tecnologiche e alcune strutture pubbliche nazionali (come appunto Cineca e SOGEI) hanno competenze digitali per guidare questo passaggio che potrebbe interessare tutto il sistema delle aziende ICT in House delle regionali, le numerose startup e, ovviamente, le software house private del comparto.
Una nuova governance clinica e manageriale dei sistemi sanitari
Quello che manca è una politica di rapida finalizzazione degli investimenti con scelte amministrative veloci e coerenti, ponendo fine all’interminabile discussione istituzionale sulla localizzazione dei datacenter in Italia che andrebbe retrodatata di almeno vent’anni.
Il FSE (fascicolo sanitario elettronico) dovrà essere completamente ripensato e riprogettato come strumento per tutelare la salute del cittadino e prevenire la diffusione delle malattie. Così com’è, e come lo abbiamo progettato quasi venti anni fa, appare un ferro vecchio scarsamente utilizzabile.
L’FSE di seconda generazione dovrà essere soprattutto interoperabile con le App, i devices e le interfacce consumer utilizzate ormai dalle reti sociali elettroniche di comunicazione dei cittadini su Internet. Le uniche non ancora contaminate da alcun virus se non da quelli degli hacker.
Al tempo del Coronavirus queste interfacce assomigliano più a un Twitter che alle tabelle quasi Excel di un FSE. Anche le Cartelle Cliniche Elettroniche (CCE) dei medici di famiglia e degli specialisti ambulatoriali e ospedalieri dovranno aprirsi alla raccolta di dati sulla continuità della cura auto-forniti dai pazienti una volta dismessi da ospedali e ambulatori, costretti spesso a restare a casa in isolamento: i PROMs, cioè i dati di interazione con il paziente dismesso. Nuovi PDTA e PAI (in versione dematerializzata e on line) saranno necessari per percorsi di nuove patologie, come quelli delle malattie infettive; per prendere in carico pazienti in particolari condizioni di isolamento sociale e perfino familiare.
Piattaforme tech di AI sono a questo punto essenziali e urgenti per la nuova governance clinica e manageriale dei sistemi sanitari aziendali, locali, regionali investiti dal ciclone della diffusione di malattie infettive ad alto contagio.
Occorrono dati e previsioni in tempo reale del rapporto domanda-offerta di prestazioni sanitarie, soprattutto urgenti, in grado di intercettare a vari livelli – compreso quello dei Data Analytics presenti nel Web (Sentiment Analysis) – l’opinione e l’emotività dei cittadini e degli operatori sanitari.
I percorsi del paziente – informazione, accesso (engagement), cura intensiva in ambito ambulatoriale o di ricovero, ‘presa in carico’ (connected care) – coniugati con informazioni predittive e comportamenti preventivi, vanno con grande rapidità riprogettati con il supporto da tech AI e di algoritmi appropriati.
Il rapido adeguamento delle strutture sanitarie alla nuova situazione epidemiologica – guidata da piattaforme AI e da un cloud services avanzato – deve offrire una disponibilità in tempo reale di masse enormi di dati.
Il collegamento tra corsia di ospedale e continuità assistenziale Home Care diventa non solo strategico ma, data la dimensione della domanda, sempre più ‘a guida virtuale’. Una ‘strada intelligente’ simile a quella che già si sta progettando per l’auto a guida senza conducente – un programma quanto mai attuale! – dove dentro l’abitacolo deve esserci però un paziente tutt’altro che sonnolento, ma dotato di nuovo empowerment riferito a conoscenze comportamentali e responsabilità sociale.
Adattare processi e servizi alle abitudini della gente
In questa rapida riorganizzazione dei processi, i dati autoprodotti dal paziente e quelli del SSN, collocati in cloud supportato da tech AI, non possono continuare a sonnecchiare nei ‘depositi’ (Repository delle Asl e dei sistemi regionali). Vanno subito trattati in sicurezza in grandi centri evoluti di elaborazione e trasmissione, e dotati della tecnologia necessaria e di potenza di calcolo superiore.
Front end d’interfaccia cittadino-paziente e Back end di servizio per medici e operatori sanitari e sociosanitari vanno resi con coraggio, e da subito, compatibili con le abitudini della gente, per fornire non solo dati ma informazioni personalizzate dalla intelligenza artificiale.
Per sperimentare questo modello – che deve rapidamente lasciarsi alle spalle trenta anni di difficile e frammentaria ‘informatizzazione’ del SSN – occorre con assoluta urgenza promuovere la progettazione di una nuova generazione di algoritmi in campo sanitario.
Si potrebbe partire con una piattaforma tecnologica sperimentale di AI applicata ai ‘poli’ più sensibili che costituiscono il sistema del front end utente in sanità: l’FSE (in evoluzione come FSSE, fascicolo socio sanitario del cittadino, ma soprattutto come MY Page); la Cartella Clinica del medico di famiglia (MMG, PLS); la Cartella Clinica Elettronica del medico specialista (CCE) d’ospedale e di ambulatorio; la Cartella Socio-Sanitaria per l’assistenza sociale di pazienti in capo ai servizi pubblici locali (CSE).
La situazione attuale e però assai distante da questi obiettivi e può essere riassunta nel diagramma della Fig. 2 e nella Fig- 3 (mio adattamento su studio Deloite 2019).
I sistemi d’informatizzazione – dematerializzazione della sanità italiana si sono finora mossi da A a A1 su una linea di efficientamento dei servizi. In forma assai più limitata da A a B per dematerializzare le informazioni ‘lato utente’ (FSE, App, Cup, portali). In forma poi ancora più limitata da A a B e B1 per garantire un nuovo livello di connected care al cittadino e creare le condizioni per un modello citizen centered; condizione necessaria per favorire la formazione di nuove ‘comunità digitali’ sia di utenti che di professionisti e di stakeholder dei sistemi di welfare evoluti (fortemente necessarie in situazioni di emergenza).
Bustine di Minerva per la sanità digitale
L’introduzione di ‘Bustine di Minerva’ – per rievocare i settimanali articoli sull’Espresso del mio concittadino onorario Umberto Eco – cioè piattaforme software e algoritmi nei principali punti aggreganti del Front End di interfaccia utente, avrebbe effetti certamente sconvolgenti nell’impatto tra eHealth e cittadini al di là di situazioni emergenziali come quella odierna.
In particolare, per l’utilizzo del FSE che resta, nonostante i lusinghieri dati della sua diffusione forniti periodicamente dalle Regioni, uno strumento di nicchia per la popolazione italiana. Molti, infatti, lo scaricano una prima volta, poi non lo utilizzano per tre ragioni: contiene troppe poche informazioni effettivamente utili al paziente; ha pochi servizi on line ed è poco maneggevole nell’accesso e nella consultazione rispetto alle App consumer a cui ormai siamo abituati. L’FSE dotato di programmi di IA ‘lato cittadino’ avrebbe invece un enorme potere attrattivo.
Per farmi comprendere meglio porto un esempio che riguarda il mio percorso salute-malattia. Io soffro da molti anni di una patologia di natura oculistica che necessita di un costante monitoraggio della pressione oculare e di altri esami complessi come i campi visivi. I risultati di questi esami, pur dematerializzati (e purtroppo non sempre ciò avviene!) risiedono dal 2010 nel mio FSE che ho attivato a Bologna nel 2008. In quel periodo il collegamento tra esiti delle visite specialistiche e FSE era ancora precario e incompleto, quindi molti referti sono stati inseriti nel mio Fascicolo in formato pdf con dati non strutturati. Altri dati, sempre in questo formato ‘fotografico’, sono stati poi aggiunti negli anni successivi, perché le strumentazioni diagnostiche in uso negli ospedali per la rilevazione dei campi visivi non sono certo ‘Internet of Thing’ ma producono a tutt’oggi solo fogli di carta A4 che per giunta si scoloriscono con il tempo. L’insieme di questa sequenza temporale (10 anni) di referti dematerializzati in varie forme, di prescrizioni farmaceutiche, di interventi curativi e riabilitativi, dovrebbe essere costantemente monitorato in una prospettiva predittiva. Quindi con un confronto costante tra i gigabyte di dati di un mio organo corporeo (l’occhio), i terabyte di dati del mio corpo (dati genetici e di ogni altra natura, compresi quelli reperibili nel mio ceppo parentale), i petabyte di Big Data estraibili da tutta la popolazione degli assistiti (almeno della mia regione), i dati estraibili dal web analytics. Cioè Big Data che sommano dati clinici, dati comportamentali delle persone (anche prelevati dai Cup), dati emotivi espressione dell’opinione dei pazienti (Sentiment analysis).
In sintesi: i miei dati (personali, del mio corpo) confrontati con i dati di tutti attraverso algoritmi via via perfezionati (‘allenati’) generano previsioni sempre più attendibili sul futuro della mia salute offrendo indicazioni cliniche importanti sulle terapie e i comportamenti (esempio: alimentari).
Ovviamente questi algoritmi e queste piattaforme tech di supporto potrebbero agire, sotto sorveglianza medica e non solo statistica, sui due ‘terminali’ del processo: lato cittadino (FSE, My Page) e lato medico (CCE).
Nessuno, a questo punto, medico o cittadino, rinuncerebbe a un Fascicolo o a una Cartella Elettronica incipriata con il contenuto di una ‘Bustina di Minerva’ di IA.
Il ruolo del cloud (intelligente e sicuro)
La prima obiezione è prevedibile. Tutto questo non può avvenire solo in una dimensione front end dell’eHealth. La versione più evoluta di un FSE o di una CCE medica non è altro che quella di un elenco telefonico elettronico dove ci sono tutti i link ai dati e alle informazioni sanitarie del cittadino-paziente (www.ospedaleX,laboratorioY.mariorossi..). I dati e le informazioni ‘sensibili’ di salute – malattia devono restare là dove sono stati generati, nei repository dipartimentali o ospedalieri.
Occorre quindi agire ‘lato Back End’. Qui entra in gioco il cloud service intelligente e sicuro. Oggi fornire cloud intelligente non significa solo esternalizzare i dati degli ospedali e dei SSR in modo legale, sicuro ed efficiente per la trasmissione e lo storage. Bisogna fornire, a richiesta, elaborazioni complesse, informazioni di doppia natura: cliniche sul paziente (per la personalizzazione della cura anche in forma predittiva); manageriali per la governance (con cruscotti di Business Intelligenze real time per il dipartimento, l’azienda, le Regioni, il SSN).
Software di AI, algoritmi e piattaforme tech di supporto a un’estrapolazione di eData e Big Data per un confronto costante tra domanda (bisogni, aspirazioni, emozioni dei cittadini) e offerta di servizi salute (strutture, disponibilità, competenze, aspirazione ed emozioni degli operatori, non secondariamente dei medici spesso più insoddisfatti dei loro assistiti!).
Quale direttore di Asl, di assessorato metropolitano o regionale alla sanità e al welfare potrebbe rinunciare a queste informazioni ‘della bustina Minerva’ una volta che ne ha assaporato il contenuto?
Un welfare col cittadino al centro
Ma tutto questo è ancora insufficiente. Il welfare cui tendono i sistemi assistenziali evoluti – e l’Italia non può allontanarsi da questa traiettoria – non è un servizio sanitario e sociale pubblico concepito a ‘Bancomat’ o ‘Telepass’, con prestazioni usa e getta. Oggi i principali centri di ricerca sociale e scientifica convergono sulla necessità di sistemi di welfare di comunità.
Qui tutto è riprogettato con ‘il cittadino al centro’ (dotato di empowerment: un termine di origine sociologica, ardigoiano, che ormai ha arricchito perfino il vocabolario dei Politecnici!). I soggetti erogatori sono plurimi e non si esauriscono con lo Stato. Sono imprese private, terzo settore, fondazioni, ecc.). Poi si tende alla ‘orizzontalizzazione’ delle prestazioni in percorsi assistenziali complessi, che tendono a ‘de-verticalizzare’ i silos dei servizi tradizionali (sanità, scuola, assistenza, ..) partendo dal livello locale-territoriale, dalle city (smart).
La prima de-verticalizzazione è già una necessità impellente nel rapporto tra sanità (Asl) e assistenza (Comuni). In una città come Bologna poco meno del 10% della popolazione in condizioni ‘critiche’ (fragile) è seguita congiuntamente da Comune e Asl e la prospettiva di presa in carico, soprattutto per patologie croniche e fragilità socio-economiche, riguarda un terzo della popolazione.
Gli studi del sociologo danese Niels Akerstrom Andersen sui servizi di welfare nella Città di Copenaghen dimostrano che la ‘verticalizzazione’ dei servizi è il principale impatto devastante, anche dal punto di vista economico, sui sistemi di welfare locali.
I programmi di IA devono quindi disporre di data lake più ampi di quello fornito dai singoli ‘silos’ come la sanità. Per prendere ‘in carico’ un assistito occorre come minimo attingere a due gradi estensioni di dati: quella del SSN e quella del servizio sociale dei comuni, oltre al lake ben più grande del web, dei social.
La ‘bustina di Minerva’ va spruzzata sui repository di entrambi i sistemi, con un inconveniente: mentre il primo (sistema sanitario) è con il FSE in avanzata fase di definizione-strutturazione (esempio: Rete Sole in Emilia Romagna, Rete SIS in Lombardia ecc.), il secondo, per la frammentarietà dei comuni, è estremamente entropico.
La soluzione non va ricercata, però, nell’accentramento regionale, perché le Regioni sono molto più ‘verticalizzate’ dei Comuni – non si pensi che il FSE del cittadino nasca per volontà delle Regioni. Non è così, nasce per l’iniziativa bottom up di gruppi d’innovatori che spesso trovano ostacoli insormontabili nella burocrazia. Per abbattere i ‘silos’ del welfare occorre promuovere innovazione dal basso nei Comuni, dalle Smart City: le esperienze di Milano, Torino, Bologna e altre città lo dimostrano.
Costruendo sistemi integrati sanitari e sociali si possono estrapolare dati per progettare (co-progettare) percorsi assistenziali, innanzitutto socio-sanitari con i cittadini per una parte ingente della popolazione.
Le ricerche sociologiche consigliano un’attenzione particolare rivolta a due target di popolazione ‘a rischio’ esclusione sociale, in una situazione non emergenziale: la popolazione con fragilità crescente oltre i settanta anni che vive ormai venti anni in più dei loro nonni; le famiglie a basso reddito con figli (tra i 15.000 e i 35.000 euro di reddito lordo annuo, spesso non garantito nel tempo). L’attenzione è prioritariamente verso i minori per offrire loro, fin dall‘età infantile pari opportunità d’inclusione e anche di affermazione sociale.
Il modello d’interazione tra eHealth/eWelfare e IA potrebbe essere rappresentato, come nella Fig. 4. Qui i tre angoli del triangolo evidenziano tre aggregazioni intelligenti di front end cittadino-operatore, mentre i lati indicano modalità e obiettivi avanzati.
La vasta produzione di App e di devices wearable confluisce in una My Page del cittadino che non è soltanto evoluzione del Fascicolo Sanitario in Socio-Sanitario, ma strumento autonomo di scelta dell’utente ormai dotato di un’ampia possibilità di interpretare dati del suo corpo e dell’ambiente di vita in cui vive.
I progetti di innovazione digitale legati all’intelligenza artificiale rientrano tra quelli candidabili per l’edizione 2020 dei Digital360 Awards.
Dieci le categorie tecnologiche interessate: Cloud, Big Data Analytics, CRM/Soluzioni per Marketing e Vendite, Internet of Things, Machine Learning e intelligenza Artificiale, Mobile Business, Smart Working e Collaboration, Soluzioni B2b e di eSupply Chain, Soluzioni infrastrutturali e Blockchain.
Per maggiori informazioni sulla partecipazione ai Digital360 Awards 2020 clicca qui
