Il momento storico che la sanità digitale italiana sta affrontando è peculiare perché convergono progettualità nazionali come l’FSE 2.0 (Fascicolo Sanitario Elettronico, giunto alla sua seconda versione), e l’emergere impetuoso di
tecnologie di analisi del dato dalle potenzialità (o perfino promesse) in passato inimmaginabili che vanno sotto l’ampio – ed a volte improprio – nome di AI (Intelligenza Artificiale).
Questi due fenomeni non sono sicuramente i soli a rendere particolare il momento. Basta infatti pensare alla rivoluzione copernicana immaginata nel DM77, che pone la sanità territoriale come priorità, rubando la tradizionale sovra-attenzione riservata al mondo ospedaliero.
È però interessante concentrarsi su FSE 2.0 e AI in quanto molto rappresentativi della “tenaglia” top-down e bottom-up che sta stringendo il mondo della sanità digitale e spingendo verso un’ineluttabile innovazione le organizzazioni sanitarie italiane.
Ecco la sfida in corso per le aziende sanitarie, pubbliche o private.
FSE 2.0 e AI: adozione via reingegnerizzazione della strategia digitale o innovazione incrementale
Sebbene apparentemente scorrelati questi due fenomeni condividono infatti l’esigenza, o forse l’opportunità, di ripensare in modo significativo i motori elementari della sanità digitale: le aziende sanitarie (pubbliche o private).
FSE 2.0 e AI sono infatti un progetto ed un fenomeno che, nella loro implementazione/adozione, possono essere affrontati in modo coraggioso con poderose reingegnerizzazioni della strategia digitale oppure, all’estremo
opposto anche, in modo più cauto come semplice innovazione incrementale.
Per manifestare appieno il suo valore nella destinazione primaria (la cura), il FSE 2.0 richiede una pervasiva alimentazione con i dati clinici generati dalle singole strutture, ma anche l’adozione del FSE 2.0 quale sorgente informativa clinica. Quindi non solo uno strumento “alimentato” ma strumento che, chiudendo il cerchio, alimenti esso stesso l’operatività clinica con dati e informazioni non disponibili nella singola azienda sanitaria, a completamento della storia clinica del paziente.
Clinical Data Repository
La necessità di rivedere in toto (o implementare ex novo) un’alimentazione pervasiva verso il FSE 2.0 può essere ovviamente soddisfatta collegando i singoli sistemi (punto a punto, architettura tradizionale ma da tempo deprecata). Ma può anche essere l’occasione per sviluppare una vera e propria architettura di gestione del dato, per esempio introducendo un Clinical Data Repository di nuova generazione.
Allo stesso modo, l’opportunità (anche esigenza, se si interpretano correttamente i dettami normativi) di fruire applicativamente dei contenuti del FSE 2.0 , consente di impostare architetture di accesso, distribuzione e fruizione dei suoi contenuti su scala aziendale.
Anche questo è implementabile come singoli collegamenti diretti oppure con architetture basate su concentratori quali il Clinical Data Repository (che svolge ruolo di middleware in questo caso), che amplificano le potenzialità di distribuzione e fruizione.
L’opportunità di revisione architetturale completa se consente peraltro di sfruttare le attuali fonti di finanziamento del PNRR. Se implementata superando la semplicità dei collegamenti punto a punto, oltre a garantire la desiderata alimentazione e fruizione del FSE 2.0 , consente al contempo di generare una architettura con ricadute significative su tutta la gestione del dato.
FSE 2.0, il ruolo dell’AI
Sull’altro fronte emergente, quello delle tecnologie di Intelligenza Artificiale, sia che si parli di contesti di ricerca e sviluppo (costruzione di modelli predittivi o generativi) o di semplice adozione di soluzioni già sviluppate e validate, emerge come prerequisito fondamentale il superamento della frammentazione dei dati in silos dipartimentali/specialistici.
Contesti caratterizzati da scarsa maturità digitale, che relega ancora i dati in contenitori logici non integrati (a volte senza riconducibilità anagrafica), non consentono o rendono molto complessa l’adozione soluzioni di AI che vadano oltre la capacità di correlazione/predizione della singola disciplina, che sarebbero la reale sorgente di innovazione e valore introdotta da questo tipo di tecnologie.
È quindi un momento in storico in cui le pressioni dall’alto (FSE 2.0 ) e dal basso (diffusione di tecnologie AI) potrebbero convergere verso progetti di revisione architetturale unici, con una prospettiva di ampio respiro sia temporale (costruiamo per il futuro) che di applicazioni collaterali. I CDR diventano cioè volani di integrazione del dato anche verso tutte le soluzioni aziendali, dalle più imponenti come gli EMR, alle piccole soluzioni ultra-verticali che necessitano di alimentazione da parte di altre sorgenti dati, per esempio i sistemi di screening.
Scelte architetturali: i costi
Il costo di una scelta di revisione architetturale è sicuramente economico (le opportunità del PNRR stanno in parte venendo incontro a questa criticità), ma soprattutto comporta sforzo progettuale.
Intraprendere una revisione architetturale che introduca concentratori/ armonizzatori del dato è un progetto che va oltre il singolo applicativo e non può essere affidato al singolo fornitore in modalità “chiavi in mano”.
È una progettualità che richiede visione d’insieme della architettura digitale della struttura e dei processi che si vogliono abilitare/potenziare, imponendo un lavoro corale di tutti i fornitori di soluzioni digitali pre-esistenti, ben oltre il semplice “collegati al FSE 2.0 ”. In sostanza richiede azioni di governance Digitale/ICT poderose, sia dalla fase di concettualizzazione e progettazione
fino alla implementazione, con tempi e fasi transitorie delicate nella gestione, con elementi di potenziale discontinuità operativa da gestire anche sul fronte degli utenti finali.
Cogliere l’occasione per una revisione architetturale è quindi una scelta. Ma alcune organizzazioni potrebbero non ritenerla praticabile in termini di sforzo organizzativo degli attori interni di conduzione di progetto. Oppure potrebbero giudicarla non praticabile perché i tempi di implementazione potrebbero non essere compatibili con le fonti di finanziamento PNRR.
Conclusioni
Perseguire gli obiettivi nazionali del FSE 2.0 suggerisce l’opportunità di
ristrutturare la gestione del dato clinico introducendo concentratori quali i Clinical Data Repository.
Tali architetture possono costituire l’elemento abilitante per un reale utilizzo di
tecnologie di AI, sia come Data Platform di sviluppo modelli, sia per una più facile adozione di soluzioni e modelli già sviluppati e commercializzati, sia per il supporto clinico che quello organizzativo.
Come sempre in tutti i contesti di strategia digitale, le opportunità inducono scelte. E le scelte possono avere visione a breve o visione di prospettiva. In assenza di linee guida o vincoli normativi, è lasciato ad ogni direzione strategica aziendale, supportata dal proprio CIO. Come per la pillola rossa o pillola blu, è una questione di scelta.
Bibliografica e sitografia
Interoperability in Healthcare – HIMSS.
Linee guida per l’attuazione del Fascicolo Sanitario Elettronico 2.
Adrian Caruana, Madhushi Bandara, Katarzyna Musial, Daniel Catchpoole, Paul J. Kennedy, Machine learning for administrative health records: A systematic review of techniques and applications, Artificial Intelligence in Medicine, Volume 144, 2023, 102642
Gazali, Sandeep Kaur, Inderbir Singh, Artificial intelligence based clinical data
management systems: A review, Informatics in Medicine Unlocked, Volume 9, 2017, Pages 219-229.
J.W. Wang, M. Williams, Registries, Databases and Repositories for Developing
Artificial Intelligence in Cancer Care, Clinical Oncology, Volume 34, Issue 2, 2022, Pages e97-e103.
