Intelligenza Artificiale e Machine Learning per migliorare i servizi nel settore sanitario

Negli ultimi anni l’Intelligenza Artificiale sta trasformando la maggior parte dei settori produttivi abituandoci all’idea di sistemi digitalizzati che, sulla base delle nostre necessità puntuali, rispondono istantaneamente e in modo preciso alle nostre esigenze. 

L’interesse è alto, ma al contempo l’applicazione di automatismi, per quanto evoluti, al contesto sanitario, delicato per i temi trattati e per i fenomeni connessi, potrebbe risultare ancora particolarmente ostica.

Se i 50 anni di storia dell’Intelligenza Artificiale non fossero sufficienti, infatti, a dimostrare che la sola tecnologia non basti a determinare la buona riuscita di un progetto, l’applicazione isolata di questi strumenti al contesto sanitario ne costituirebbe l’ulteriore conferma.

Una trasformazione digitale-sanitaria guidata dall’Intelligenza Artificiale richiede tre fattori abilitanti:

• i dati, il pilastro dell’Intelligenza Artificiale
• l’uso delle più moderne tecnologie in grado di consumare i dati esistenti per ricavarne insight strategici
• la conoscenza approfondita del contesto sanitario

Quest’ultimo punto risulta di cruciale importanza per via della natura stessa del Servizio Sanitario Nazionale, il quale declinando le proprie funzioni e responsabilità su più livelli, si traduce in una molteplicità di modelli di gestione, ognuno con proprie differenze e peculiarità.

È nella combinazione di una profonda conoscenza del contesto e dell'impiego delle tecnologie moderne che oggi possiamo davvero fare la differenza. Questo permette un'applicazione diffusa dell'intelligenza artificiale, assicurando un servizio di qualità superiore.

In questo percorso si pone l’iniziativa Smart wAIting list: intelligenza artificiale per il governo data-driven delle liste d'attesa vincitrice del Premio Forum Sanità 2023 per i contenuti innovativi in ambito data-driven health.

Grazie al know-how in ambito healthcare e alla conoscenza consolidata del territorio campano, nonché alle expertise interne di Intelligenza Artificiale del Team Lighthouse, KPMG ha supportato So.Re.Sa., Società Regionale per la Sanità, società strumentale della Regione Campania, nell’ideazione e nella realizzazione della progettualità Smart wAIting list: intelligenza artificiale per il governo data-driven delle liste d'attesa.

Smart wAIting list utilizza algoritmi di Intelligenza Artificiale per migliorare la qualità dell’esperienza di salute dell’assistito attraverso due elementi:

• possibilità di ricevere due prestazioni prescritte contestualmente nello stesso momento e nello stesso luogo
• possibilità di ricevere le proprie prestazioni secondo i tempi indicati dal medico di medicina generale tramite la classe di priorità

KPMG, al fianco di So.Re.Sa. in tutte le fasi della progettualità, ha supportato la sua realizzazione su più livelli.

Sulla base della conoscenza dei fenomeni erogativi, sviluppata attraverso l’analisi dei dati, e del sistema CUP Unico Regionale, alla cui introduzione in Regione Campania a partire dal 2019 KPMG ha partecipato in RTI, è stato possibile supportare So.Re.Sa. nell’analisi causa-radice della problematica di gestione delle liste d’attesa.

È stato individuato l’anello debole della catena prescrizione – prenotazione – erogazione ovvero la gestione delle agende di prenotazione.

Alla luce di queste analisi sono state definite le domande alle quali un sistema di Intelligenza Artificiale avrebbe dovuto rispondere per consentire un efficientamento nella gestione delle agende di prenotazione:

1. Quali prestazioni devono essere erogate in modo cooperativo?
2. Quanti slot devono essere riservati in ogni agenda per ciascuna classe di priorità?

Per trovare risposta alle domande definite, sono state selezionate le basi dati utili all’analisi del fenomeno e sono state individuate le tecnologie e i metodi da adottare per lo sviluppo di appositi algoritmi di Intelligenza Artificiale: Network Analysis e Forecasting.

Tramite la Network Analysis sono state esaminate circa 13 milioni di prescrizioni. L’analisi ha rappresentato le prestazioni di specialistica ambulatoriale come nodi interconnessi in un grafo, evidenziando la frequenza delle prestazioni erogate in modo collaborativo e consentendo quindi di trovare risposta alla prima domanda.

Sono stati disegnati algoritmi di Forecasting che, sulla base dei dati di storico e di variabili esterne relative al territorio e alla popolazione, possano prevedere la domanda di prestazioni di specialistica ambulatoriale e la relativa distribuzione in classi di priorità. Questi algoritmi consentono, quindi, di determinare il numero ottimale di slot temporali necessari per ciascuna classe e di rispondere alla seconda domanda.

Affinché gli insight e le inferenze provenienti dagli algoritmi sviluppati possano incidere significativamente sul modello di prenotazione in uso, garantendo una migliore qualità di cura agli assistiti, è stata posta particolare attenzione all’applicabilità di questi strumenti nel contesto di riferimento.

È così che gli algoritmi di Forecasting sono affiancati da funzioni di Smart Scheduler, in grado di operare una conversione tra la domanda attesa e la capacità produttiva dei singoli erogatori. Si tiene, quindi, conto dei limiti strumentali, della disponibilità del personale e di altri elementi, che quotidianamente influenzano la capacità erogativa e la derivante capacità di soddisfare la domanda espressa. Ne consegue un avvicinamento tra gli insight provenienti dall’Intelligenza Artificiale e le esigenze dei singoli erogatori.

Grazie a questo collegamento tra insight di Intelligenza Artificiale ed esigenze degli operatori l’innovazione introdotta può realmente svilupparsi e le capacità di leggere le esigenze del contesto e di declinare le tecnologie esistenti possono abilitare il cambiamento.