Sanità 5.0: come migliora l’assistenza ai pazienti con Internet of Medical Things e IA

L’adozione di tecnologie come l’Internet of Medical Things (IoMT) e l’IA può trasformare il settore rendendo i servizi più sicuri, efficienti, personalizzati e accessibili: è il paradigma Healthcare 5.0, un cambio di prospettiva che mette al centro la personalizzazione delle cure (Alowais et al., 2023).

Le tecnologie più recenti applicate alla medicina promettono miglioramenti significativi nella diagnosi, nelle terapie, nella gestione dei pazienti, migliorando l’erogazione dell’assistenza sanitaria, l’aderenza al trattamento e il rapporto clinico-paziente. Integrarle nei sistemi sanitari richiede formazione specializzata, gestione attenta di questioni sensibili come la protezione dei dati, riuscire a mantenere gli standard di qualità dell’assistenza. Tutto questo deriva dalla stretta collaborazione tra enti sanitari e ricercatori, oltre che da investimenti importanti in ricerca e sviluppo (Mishra & Singh, 2023). Queste tecnologie avanzate applicate all’ambito della salute aiutano i clinici a fare delle scelte supportate da dati altamente accurati e raccolti anche in tempo reale, riducendo così in maniera considerevole anche il rischio di errore umano sia in fase di diagnosi che nel trattamento (Alowais et al., 2023). Quali le principali applicazioni? Come viene percepita la tecnologia nel rapporto tra paziente e personale sanitario?

IoMT: l’Internet of Medical Things

L’Internet of Medical Things (IoMT, o healthcare IoT) si riferisce all’insieme di applicazioni e dispositivi destinati ad uso medico che possono scambiare dati e informazioni con altri dispositivi e sistemi connessi. Come nell’Internet of Things (IoT) il fulcro è la possibilità di queste tecnologie di comunicare fra di loro anche senza l’intervento umano, ma appunto essendo connesse alla rete.
L’Internet of Medical Things (IoMT) comprende diverse categorie di tecnologie, tra cui l’Internet of Nano Things (IoNT), il Wearable Internet of Things (WioT) e l’Internet of Mobile Health Things (m-IoT). Tra questi abbiamo, per esempio, i dispositivi indossabili come smartwatch e fitness tracker, quelli impiantabili come pacemaker, quelli per il monitoraggio da remoto come misuratori di glucosio nel sangue e attrezzature ospedaliere intelligenti e app di telemedicina. Grazie alla connessione di sistemi informatici sanitari e dispositivi è possibile monitorare i pazienti in tempo reale, anche da remoto, fornendo feedback immediati su parametri e misure critici per la loro salute. Insieme all’intelligenza artificiale, l’Internet delle cose può essere un complemento al lavoro del clinico, rendendo i servizi sanitari più efficienti, economici e accessibili, specialmente per i pazienti svantaggiati e quelli con malattie croniche (Mishra & Singh, 2023).

IoMT e intelligenza artificiale: come supportano l’efficacia clinica

L’utilizzo di IoMT e intelligenza artificiale migliora la diagnosi e il trattamento dei pazienti. Attraverso il machine learning vengono individuati pattern che aumentano l’accuratezza delle diagnosi e minimizzano gli errori umani. Nel campo del trattamento personalizzato, l’IA fornisce supporto alle decisioni cliniche analizzando dati specifici del paziente per predire risultati e ottimizzare le strategie terapeutiche, migliorando l’efficacia e riducendo i costi. Inoltre, l’analisi predittiva dell’IA identifica i pazienti a rischio di malattie croniche, permettendo interventi preventivi mirati, sebbene l’efficacia di tali azioni dipenda dalla qualità dei dati e dalla supervisione umana. Ma se da un lato i vantaggi sono indiscutibili, ci sono anche dei rischi da non sottovalutare. Tutela dei dati sensibili, costi infrastrutturali e di formazione del personale, l’eventualità che pazienti e sanitari percepiscano la relazione terapeutica troppo distaccata, con conseguente possibile impatto negativo sulla qualità dell’assistenza fornita al paziente (Ahmed et al., 2024).
Per questo è necessario un approccio strategico nell’affrontare la questione e massimizzare i benefici di IA e IoMT nel settore sanitario: personale e pazienti vanno coinvolti attivamente ed educati all’utilità di questi strumenti.

La digitalizzazione sanitaria: un cambio di approccio

Anche se non rapidamente quanto sperato, negli ultimi anni si è osservato un notevole aumento nell’utilizzo dei dispositivi digitali in ambito sanitario.
Ma cosa ne pensano i pazienti? Come si sentono quando diventano “pazienti digitali”? Anche per loro l’utilizzo della tecnologia ha più pro che contro: fa sentire più vicino e disponibile il medico, facilita una comunicazione più diretta, migliora la gestione del tempo, per esempio rendendo più agevole e flessibile farsi monitorare (Tadiboina, 2022). Inoltre, la percezione positiva varia a seconda di età, genere e livello di istruzione ma soprattutto sulla base della gravità della patologia: quanto più il caso è complesso, tanto più la tecnologia viene ritenuta efficace (Wei, 2024).
Ma perché una tecnologia, una qualsiasi tecnologia, venga utilizzata, è necessario che le persone ne percepiscano la reale utilità e facilità d’uso; questi sono i fattori che determinano l’intenzione di adottare una tecnologia. Jonas e colleghi (2024) riprendono un modello classico e ampiamente studiato, il Modello di Accettazione della Tecnologia (TAM) di Davis (1989) che spiega il processo attraverso cui le persone adottano e utilizzano la tecnologia. Sebbene la prima formulazione di questo modello risalga a oltre trent’anni fa, nel corso degli anni è stato aggiornato e applicato a diversi settori, incluso quello dell’assistenza sanitaria, rimanendo ancora oggi uno dei framework più studiati in ambito human-machine interaction. Secondo il TAM, gli utenti sono più propensi ad adottare e utilizzare una tecnologia se la percepiscono come utile e facile da utilizzare. E questo vale anche quando si tratta di sottoporsi a cure mediche. Ecco perché IoMT e intelligenza artificiale cambieranno profondamente l’approccio al trattamento e il rapporto medico-paziente; quest’ultimo chiamato ad essere sempre più parte attiva del cambiamento e della gestione della propria salute.

Bibliografia

Ahmed, S. F., Alam, M. S. B., Afrin, S., Rafa, S. J., Rafa, N., & Gandomi, A. H. (2024). Insights into Internet of Medical Things (IoMT): Data fusion, security issues and potential solutions. Information Fusion, 102, 102060.

Alowais, S. A., Alghamdi, S. S., Alsuhebany, N., Alqahtani, T., Alshaya, A. I., Almohareb, S. N., … & Albekairy, A. M. (2023). Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC medical education, 23(1), 689.

Davis, F. D. (1989). Technology acceptance model: TAM. Al-Suqri, MN, Al-Aufi, AS: Information Seeking Behavior and Technology Adoption, 205, 219.

Jonas, D., Maria, E., Widiasari, I. R., Rahardja, U., & Wellem, T. (2024). Design of a TAM Framework with Emotional Variables in the Acceptance of Health-based IoT in Indonesia. ADI Journal on Recent Innovation, 5(2), 146-154.

Mishra, P., & Singh, G. (2023). Internet of medical things healthcare for sustainable smart cities: current status and future prospects. Applied Sciences, 13(15), 8869.

Tadiboina, S. N. (2022). The integration of handheld and smartphone-connected technologies into the doctor-patient relationship-AI. Journal of Positive School Psychology, 6(11), 2933-2940.

Wei, X., Cao, Y., Peng, X., & Prybutok, V. (2024). A meta-analysis of technology acceptance in healthcare from the consumer’s perspective. Health Marketing Quarterly, 1-22.