Questo sito utilizza cookie per raccogliere informazioni sull'utilizzo. Cliccando su questo banner o navigando il sito, acconsenti all'uso dei cookie. Leggi la nostra cookie policy.OK

BIG DATA E AI

Evidence based medicine, cos’è e come cambia con big data e intelligenza artificiale

Con big data e intelligenza artificiale nasce una nuova medicina basata su evidenze. Una fondata non su ciò che è evidente per il singolo medico umano, ma su ciò che risulta evidente grazie alle tecnologie in grado di considerare e processare molte più informazioni

09 Mar 2018

Domenico Marino

Università degli Studi Mediterranea di Reggio Calabria

Demetrio Naccari Carlizzi

P4C – Prepare for Change

Giuseppe Quattrone

Universita' Mediterranea di Reggio Calabria


La medicina basata sull’osservazione degli eventi è stata per molto tempo, a partire da Ippocrate, il criterio guida epistemologico della professione sanitaria. Tale criterio si è poi evoluto con il progredire della medicina fino ad arrivare alla formulazione della Evidence-Based Medicine (EMB).

Che cos’è l’Evidence based Medicine

Questa può essere definita come “il processo della ricerca, della valutazione e dell’uso sistematico dei risultati della ricerca contemporanea come base per le decisioni cliniche” o anche come “l’uso di stime matematiche del rischio, dei benefici e dei danni derivate da ricerche di alta qualità su campioni di popolazione, per supportare il processo decisionale clinico nelle fasi di indagine diagnostica o nella gestione di singoli pazienti”.

Il ruolo del digitale nell’Evidence based medicine

La possibilità di utilizzare i big data e l’intelligenza artificiale stravolge questo assunto epistemologico della pratica clinica contemporanea. Infatti con l’’utilizzo dei big data e dell’intelligenza artificiale nasce invece la medicina basata su ciò che non è evidente per il singolo medico umano, ma può diventare evidente con l’utilizzo dei big data e delle tecniche di deep learning in quanto in grado di considerare e processare molte più informazioni di quanto sia possibile ad un essere umano.

Gli strumenti ordinari di analisi, ancorché ancora non utilizzati in alcune aree del Paese, diventano obsoleti ed ciò comporta la necessità di un rapido aggiornamento anche normativo. La pur fondamentale legge Gelli sul rischio ha il merito storico di riequilibrare la responsabilità dell’atto medico, ma è basata sull’ormai obsoleto concetto di Evidence-Based Medicine e non considera in alcun modo le “evidenze non evidenti” dei big data e dell’intelligenza artificiale.

La necessità di nuove norme

Appare quindi, necessaria una rapida riprogrammazione della legislazione basata sulla medicina dell’evidenza per renderla compatibile con la medicina predittiva e, nel contempo, anche una riforma e una reingegnerizzazione del ciclo della programmazione dei servizi sanitari. Pensiamo alle differenze di livello di servizio tra le varie aree del Paese nell’erogazione dei Lea. In alcune Regioni i fondamentali della prevenzione tradizionale, fondata sulla evidenza, sono ancora fuori dai meccanismi di programmazione e gestione dei servizi sanitari. Un esempio per tutti è il Registro Tumori che non è ancora completato e sviluppato in alcune aziende del Sud, nonostante sia uno strumento tradizionale e ormai in parte superato. Un piano di revisione della legislazione dovrebbe partire proprio dal Registro Tumori per allargare l’orizzonte e la visione del decisore pubblico e del medico aprendo alla medicina predittiva e alle tecniche del data driven management.

Big data, fascicolo sanitario elettronico e intelligenza artificiale

Oggi con l’utilizzo dei big data in Sanità e delle tecniche di deep learning siamo in grado di fare una effettiva medicina predittiva e preventiva molto tempo prima della comparsa dei sintomi e per le patologie croniche e ingravescenti questo costituisce un notevole vantaggio. L’accesso istantaneo all’intero set di dati consente di prevedere l’evoluzione del quadro clinico attraverso algoritmi decisionali di supporto che rendano maggiormente efficiente l’intero processo. Il tutto viene realizzato enfatizzando la natura costruttivistica del processo, finalizzata a portare un notevole vantaggio a tutti gli stakeholder interessati nel percorso di cura e assistenza dell’individuo.

Il modello diagnostico-assistenziale basato anche fascicolo elettronico sanitario personalizzato, sarà in grado di rispondere alle richieste di servizi di diagnosi, prognosi e cura sempre più efficaci, efficienti e di qualità per il paziente il cui trade-off tra livello di servizio e costi di realizzazione, potrà essere attenuato grazie all’applicazione di tecnologie, sistemi e procedure innovative di gestione del processo clinico secondo una logica di e-Health Service Management. La creazione del fascicolo elettronico sanitario che si arricchisce continuamente con il monitoraggio di valori rilevati in remoto contribuisce, a rendere diagnosticabili in una fase molto iniziale molte patologie, a individuare situazioni di rischi, a gestire a distanza l’assistenza e la cura.

Il monitoraggio dello stato di salute, la prevenzione di situazioni critiche e il supporto ad attività quotidiane rappresentano, quindi,  un ambito applicativo emergente a livello sanitario, con particolare riferimento alle persone fragili, anziane e con patologie croniche.

Questa rivoluzione potrà portare ad una notevole riduzione dei costi della sanità in quanto si ridurranno notevolmente gli acuti, si eviterà lo sviluppo di molte patologie croniche, sarà possibile la teleassistenza e la telemedicina.

Ma perché questa rivoluzione diventi effettiva occorre che la legislazione, le politiche sanitarie e gli approcci clinici alle patologie si modifichino di conseguenza. Occorre formare una nuova generazione di medici 4.0 e su questo percorso la strada da fare è ancora tanta.

LEGGI TUTTI I COMMENTI E LE RIFLESSIONI SU INTELLIGENZA ARTIFICIALE E AGENDA DIGITALE

Articolo 1 di 3