Per anni la digitalizzazione della sanità ha significato soprattutto trasformare documenti cartacei in informazioni elettroniche: cartelle cliniche, referti, prescrizioni, prenotazioni. Oggi il passaggio successivo è più ambizioso. I dati non devono soltanto essere raccolti, ma diventare utili nel momento in cui il professionista sanitario deve prendere una decisione. È in questo spazio che si collocano i Clinical Decision Support Systems, i sistemi di supporto alle decisioni cliniche o CDSS.
Indice degli argomenti
Come funzionano i sistemi di supporto decisionale in sanità
Possono segnalare un’interazione farmacologica, ricordare una rivalutazione prevista da un protocollo, mettere in evidenza un parametro anomalo o suggerire un percorso sulla base delle informazioni disponibili. Non devono però essere confusi con l’intelligenza artificiale generativa. Un large language model è progettato principalmente per elaborare e generare linguaggio; un CDSS è inserito in un processo clinico preciso e collega dati del paziente, regole, conoscenza clinica e contesto organizzativo per supportare una specifica decisione.
Alcuni sistemi possono utilizzare anche algoritmi di machine learning o modelli predittivi, ma la tecnologia utilizzata è solo una parte del problema. Il vero punto è capire come il suggerimento entra nel processo decisionale. Un avviso corretto ma presentato nel momento sbagliato può essere inutile. Una raccomandazione che richiede al medico di uscire dalla cartella clinica e consultare un secondo applicativo rischia di non essere utilizzata. Il valore del CDSS, quindi, non si misura dalla sofisticazione dell’algoritmo, ma dalla sua capacità di inserirsi nel lavoro quotidiano senza sostituire il giudizio professionale.
Farmaci, protocolli e triage: le applicazioni dei CDSS
Gli use case più interessanti sono quelli nei quali esistono decisioni frequenti, dati disponibili e regole sufficientemente definite. La gestione della terapia farmacologica è probabilmente l’esempio più immediato. Un sistema può rilevare allergie, possibili interazioni, duplicazioni, dosaggi incompatibili con determinate condizioni cliniche o ricordare che una terapia necessita di rivalutazione. Il beneficio potenziale è duplice: aumentare la sicurezza del paziente e ridurre il tempo necessario a recuperare informazioni distribuite tra più fonti.
Un secondo ambito riguarda protocolli e linee guida. Nei percorsi complessi, il CDSS può supportare il professionista nel verificare che siano stati considerati esami, rivalutazioni o passaggi previsti, limitando una parte della variabilità organizzativa. Anche triage e stratificazione del rischio rappresentano aree di applicazione mature, soprattutto quando il sistema aiuta a rendere più strutturata la raccolta delle informazioni e a far emergere rapidamente condizioni che richiedono attenzione.
Alert fatigue e automation bias: i rischi da gestire
Ma più alert non significa necessariamente maggiore sicurezza. Se il professionista riceve decine di notifiche poco rilevanti, si genera la cosiddetta alert fatigue: gli avvisi diventano rumore e anche quelli importanti rischiano di essere ignorati. Esiste poi il problema opposto, quello dell’automation bias, cioè la tendenza ad attribuire alla raccomandazione del sistema un’autorità eccessiva. Per questo un buon sistema di supporto decisionale non dovrebbe puntare a intervenire su ogni decisione, ma a selezionare i momenti nei quali il supporto digitale può realmente aggiungere valore.
Integrare il supporto decisionale nei workflow clinici
È anche per questo che molti progetti tecnologicamente validi producono risultati inferiori alle aspettative. Il problema spesso non è la qualità dell’algoritmo, ma il modo in cui viene introdotto nell’organizzazione. Se per ottenere una raccomandazione il medico deve reinserire manualmente dati già presenti altrove, aprire nuovi applicativi o interrompere il normale flusso di lavoro, l’adozione diventa inevitabilmente più difficile. L’interoperabilità con cartella clinica elettronica, laboratorio, sistemi di prescrizione e altri applicativi aziendali diventa quindi parte integrante del valore del CDSS.
La qualità del risultato dipende inoltre dalla qualità delle informazioni ricevute: dati incompleti, non aggiornati o registrati con criteri differenti possono compromettere anche strumenti molto sofisticati. Per questo il supporto decisionale è prima di tutto un progetto clinico-organizzativo e solo in parte un progetto IT. Occorre stabilire chi definisce le regole, chi approva gli aggiornamenti, quali alert sono realmente prioritari e come devono essere gestite le eccezioni.
È necessario inoltre misurare ciò che accade dopo l’introduzione del sistema. Quanti avvisi vengono visualizzati? Quanti vengono accettati? Quanti ignorati? E soprattutto: perché? Un tasso elevato di override non indica necessariamente un comportamento scorretto del medico; potrebbe indicare che la regola è troppo generica o che il contesto clinico non è stato rappresentato correttamente. L’integrazione nei workflow diventa così anche un meccanismo di apprendimento continuo, nel quale tecnologia e organizzazione vengono progressivamente adattate all’esperienza reale.
Responsabilità clinica e governance delle strutture sanitarie
L’ingresso di sistemi sempre più avanzati nei processi sanitari apre inevitabilmente il tema della responsabilità. Il principio centrale rimane però semplice: il supporto decisionale deve supportare, non sostituire, il professionista. Il medico deve poter valutare criticamente la raccomandazione e, quando necessario, discostarsene sulla base delle caratteristiche del singolo paziente.
Ma la responsabilità non può ricadere esclusivamente sull’utilizzatore finale. Se un’organizzazione sanitaria introduce uno strumento nei propri processi, deve anche garantirne la governance: definire le modalità di utilizzo, verificare la qualità dei dati, monitorare le prestazioni, documentare gli aggiornamenti e controllare che il sistema continui a essere appropriato nel tempo. In questo senso, anche il quadro europeo sull’intelligenza artificiale e quello relativo ai dispositivi medici rafforzano l’attenzione verso gestione del rischio, supervisione umana, qualità e tracciabilità dei sistemi utilizzati in ambiti sensibili come quello sanitario.
Come misurare il valore del supporto decisionale in sanità
Il punto, però, non è soltanto normativo. L’adozione dipende dall’ownership clinica: i professionisti devono essere coinvolti nella definizione delle regole, nella valutazione degli alert e nella revisione periodica dello strumento. E soprattutto servono indicatori che vadano oltre il numero di accessi alla piattaforma.
Un CDSS dovrebbe essere valutato sulla capacità di migliorare appropriatezza prescrittiva, aderenza ai protocolli, sicurezza, tempi decisionali e carico operativo, fino ad arrivare – quando misurabile – all’impatto sui costi e sugli esiti assistenziali. È questo il passaggio più importante della sanità digitale: non chiedersi più soltanto se una tecnologia funziona, ma se modifica concretamente e in meglio il processo nel quale viene introdotta.






























Partecipa alla community