Autore: Ossi Koskinen, responsabile delle relazioni con i grandi clienti di Siemens Healthineers. È responsabile delle relazioni strategiche con i clienti in Finlandia e in Svezia.
Nel settore sanitario non si discute quasi più sulla possibilità di avvalersi dell’intelligenza artificiale. La questione di gran lunga più complessa è come integrare una soluzione che si è dimostrata efficace nel lavoro quotidiano, in modo che abbia un’effettiva rilevanza per i professionisti e i pazienti.
Questa domanda ricorre spesso nei miei incontri con i dirigenti ospedalieri, gli esperti clinici e i responsabili dell’informatica. Esistono numerose soluzioni e sperimentazioni promettenti, ma il percorso che separa la fase pilota dall’adozione definitiva è spesso sorprendentemente lungo.
Il fenomeno non è nuovo.
Ho trascorso gran parte della mia carriera professionale occupandomi dei cambiamenti nel settore sanitario e dell’adozione di nuove tecnologie. Nel corso degli anni ho contribuito, ad esempio, allo sviluppo di un misuratore del dolore per i telefoni Windows dell’epoca e ho aperto la strada alle visite a distanza in un periodo in cui l’interesse nei loro confronti era ancora piuttosto limitato.
A posteriori, l’investimento effettuato in un telefono Windows non è stato una delle scelte tecnologiche di maggior successo della mia carriera. Tuttavia, quell’esperienza mi ha insegnato qualcosa che vale ancora oggi: una soluzione tecnicamente funzionante non equivale necessariamente a un servizio efficiente.
Per quanto riguarda le visite a distanza, la situazione era leggermente diversa. La tecnologia necessaria era in gran parte già disponibile anni prima che il contesto fosse pronto per un utilizzo su larga scala. Il coronavirus ha cambiato rapidamente la situazione. Ora ci sembra del tutto naturale che un paziente finlandese dell’assistenza sanitaria di base possa essere visitato anche da un altro Paese. È quanto sta facendo, ad esempio, un mio conoscente che risiede attualmente in Francia.
La tecnologia può quindi essere pronta con largo anticipo rispetto alle modalità operative, alle strutture e alle persone che la circondano. Per quanto riguarda l’intelligenza artificiale, in molti ambiti ci troviamo proprio in questa fase.
Molte soluzioni funzionano bene dal punto di vista tecnico. Tuttavia, i benefici promessi non sempre si concretizzano nella pratica quotidiana. Spesso la causa va ricercata nel modo in cui la soluzione si integra con i sistemi ospedalieri, i flussi di lavoro e i processi decisionali.
Ho assistito a situazioni in cui l’obiettivo era quello di far risparmiare tempo al professionista. In pratica, l’utente verifica prima l’informazione originale, poi la valutazione fornita dall’intelligenza artificiale e infine la stessa informazione proveniente da un altro sistema. La nuova soluzione avrebbe dovuto ridurre il carico di lavoro, ma ha invece aggiunto un’ulteriore fase di verifica.
In una situazione del genere, l’algoritmo può funzionare esattamente come dovrebbe. Il lavoro del professionista, tuttavia, non ne risulta semplificato.
Le informazioni generate dall’intelligenza artificiale devono essere rese disponibili nel sistema e nella fase in cui il professionista prende comunque una decisione. Le informazioni devono essere presentate in un formato comprensibile e devono consentire di agire di conseguenza. In caso contrario, l’intelligenza artificiale rischia facilmente di diventare semplicemente un nuovo strumento che si aggiunge a quelli già esistenti.
Nel campo della diagnostica per immagini, le possibilità vanno ormai ben oltre la semplice analisi di una singola immagine. L’intelligenza artificiale può supportare la preparazione del paziente, l’esecuzione dell’esame, l’interpretazione delle immagini, la redazione del referto e l’integrazione delle informazioni nel processo decisionale terapeutico. Ciò che conta, in questo contesto, non è una singola applicazione, bensì l’intero percorso che va dal paziente all’immagine, dall’immagine al referto e, infine, alla terapia.
Pertanto, a mio avviso, non è opportuno avviare un progetto di intelligenza artificiale chiedendosi in quali ambiti potremmo integrare l’intelligenza artificiale.
Vorrei iniziare con alcune domande molto più concrete. In quali punti il lavoro subisce un’interruzione? Dove si creano tempi di attesa? In quali punti le stesse informazioni vengono registrate più volte? In quali punti il professionista è costretto a passare da un sistema all’altro? Dove si perde tempo, anche se l’attività non richiede competenze cliniche?
Una volta individuato il vero problema, è possibile valutare se l’intelligenza artificiale rappresenti la soluzione adeguata. A volte lo è. Altre volte, invece, un cambiamento nell’approccio operativo o una soluzione tecnica leggermente più semplice si rivelano più efficaci.
Lo stesso approccio pratico è necessario per misurare il successo. La precisione dell’algoritmo è importante, ma di per sé non indica il valore della soluzione. Nel settore sanitario, l’impatto dovrebbe manifestarsi nella cura del paziente, nel lavoro del professionista o nell’operatività dell’organizzazione. Preferibilmente in più di uno di questi ambiti.
È necessario monitorare gli effetti anche dopo l’implementazione. I sistemi e le apparecchiature di imaging vengono aggiornati, i gruppi di pazienti cambiano e vengono rilasciate nuove versioni delle soluzioni di intelligenza artificiale. L’implementazione non si conclude quindi il giorno in cui la soluzione viene resa disponibile agli utenti.
Sembra ovvio, ma nella pratica le responsabilità rischiano facilmente di rimanere poco chiare. Chi monitora il funzionamento della soluzione? Chi gestisce il feedback degli utenti? Quando è necessaria una convalida locale? Come vengono valutati gli effetti degli aggiornamenti software? E chi prende la decisione qualora la soluzione non funzioni più come previsto?
In questo ambito sono necessari operatori clinici, addetti all’informatica, esperti tecnici, dirigenti e fornitori. Particolarmente preziose sono le persone che comprendono sia il lavoro clinico sia le potenzialità e i limiti della tecnologia. Spesso sono in grado di individuare problemi che passerebbero inosservati se la questione venisse esaminata da un unico punto di vista.
La gestione dell’insieme diventa più complessa con l’aumentare del numero di soluzioni di intelligenza artificiale. Dieci soluzioni separate non costituiscono ancora un ambiente funzionante. Ciascuna di esse richiede integrazioni, diritti di accesso, manutenzione, monitoraggio e assistenza. Se l’insieme non viene progettato in modo coordinato, per l’utente si crea facilmente una serie di nuove fasi di lavoro digitali.
Nella situazione ideale, il professionista non deve preoccuparsi di quale soluzione di intelligenza artificiale utilizzare in un determinato momento. Le informazioni necessarie vengono visualizzate nel punto giusto, nell’ambito del normale svolgimento del lavoro. Il professionista valuta le informazioni, prende una decisione e se ne assume la responsabilità.
Il prossimo passo interessante consiste nell’analizzare l’attività ospedaliera nel suo insieme, anziché limitarsi ai singoli flussi di lavoro. A questo proposito, ritengo che il concetto di “doppio digitale” delle attività sia particolarmente interessante.
Il nome può sembrare tecnico, ma l’idea di base è piuttosto pratica. Se riusciamo a ottenere un quadro sufficientemente aggiornato dei flussi dei pazienti, del personale, delle strutture, delle apparecchiature, degli orari e delle interdipendenze tra i processi assistenziali, potremo valutare l’impatto delle decisioni prima della loro attuazione.
Cosa accade, ad esempio, se la domanda di esami aumenta in un determinato ospedale? È opportuno indirizzare i pazienti verso un’altra struttura, modificare i turni del personale o riorganizzare gli orari degli esami? In che modo la manutenzione di un singolo apparecchio di imaging influisce sulle liste d’attesa dei pazienti, sul carico di lavoro del personale e sul proseguimento delle cure?
In un ospedale reale è difficile sperimentare queste alternative. L’attività procede senza sosta, la cura dei pazienti non può attendere e non è sempre facile distinguere l’effetto di un singolo cambiamento da tutti gli altri fattori. Nel modello digitale è possibile confrontare le diverse opzioni prima di mettere in pratica le modifiche.
Ciò potrebbe anche contribuire a indirizzare meglio gli investimenti nell’intelligenza artificiale rispetto a quanto avviene attualmente. Anziché partire da una soluzione già pronta e cercare un ambito di applicazione per essa, l’analisi delle attività consente di individuare i punti in cui l’attesa, il lavoro manuale, le interruzioni nel flusso di informazioni o l’utilizzo non uniforme delle capacità causano i maggiori disagi.
Solo dopo è opportuno valutare se sia necessario ricorrere all’intelligenza artificiale.
Tuttavia, nemmeno un modello digitale risolve automaticamente ogni problema. Il tasso di utilizzo di un singolo dispositivo può migliorare, mentre al contempo si allunga la durata complessiva del trattamento del paziente o aumenta il carico di lavoro del personale. Pertanto, gli obiettivi non possono essere definiti esclusivamente in termini di efficienza, rapidità o costi.
È necessario concordare cosa si intenda per “buona pratica”. Ciò comprende la qualità e la sicurezza delle cure, il lavoro del personale e l’esperienza complessiva del paziente. Le scelte, in ultima analisi, sono questioni di gestione. Il gemello digitale può aiutare a individuare le alternative e le loro possibili conseguenze, ma sono le persone a decidere cosa sia accettabile e auspicabile.
Si aprono prospettive più ampie se si estende l’analisi da un singolo reparto all’intero ospedale e, successivamente, a un insieme costituito da diversi servizi o ospedali. In tal caso, ad esempio, la disponibilità del personale, l’utilizzo della capacità e il passaggio dei pazienti tra le diverse fasi dell’assistenza possono essere esaminati nell’ambito dello stesso modello.
A questo si aggiunge anche un avvertimento. Più ampio è il contesto che si modella, maggiore è la necessità di disporre di informazioni affidabili e aggiornate. È inoltre necessaria una visione condivisa degli obiettivi da perseguire. In pratica, è quindi opportuno iniziare il lavoro partendo da problemi ben definiti, i cui effetti possano essere identificati e misurati.
La Finlandia dispone di ottimi presupposti in tal senso. Disponiamo di infrastrutture digitali, dati sanitari e solide competenze. Esiste inoltre un’ampia collaborazione tra ospedali, centri di ricerca, enti pubblici e imprese. Nonostante questi punti di forza, i progressi non derivano esclusivamente dai nuovi progetti pilota.
La fase più complessa ha inizio quando la soluzione che si è dimostrata efficace deve essere integrata nel flusso di lavoro corretto, se ne devono dimostrare gli effetti e se ne deve estendere l’utilizzo al di fuori della prima unità. Il successo in questa fase richiede solitamente più tenacia rispetto all’avvio del primo progetto pilota.
Lo scopo dell’intelligenza artificiale non è quello di escludere l’essere umano dal rapporto tra paziente e cura. Dovrebbe piuttosto consentire al professionista di dedicare il proprio tempo ad attività che richiedono esperienza, discernimento ed empatia. La necessità di tali qualità non scomparirà con l’evolversi della tecnologia.
Quando valuto una nuova soluzione, mi ritrovo spesso a pormi alcune semplici domande:
1. Qual è il problema che stiamo cercando di risolvere?
2. In che modo cambierà, nella pratica, il lavoro dei professionisti?
3. In che modo si monitorano gli effetti durante l’utilizzo?
4. In che modo la soluzione si integra con gli altri sistemi e processi?
Il gemello digitale dell’attività ne aggiunge un altro:
Cosa accadrà nel resto del sistema se modifichiamo questo punto?
Le risposte a queste domande sono spesso più indicative delle possibilità di successo rispetto a una presentazione tecnica o a una promessa sul prodotto.
L’intelligenza artificiale si sta evolvendo rapidamente, ma nel settore sanitario la questione fondamentale rimane piuttosto concreta: la soluzione aiuta i professionisti a svolgere il proprio lavoro in modo migliore, più efficiente e più sicuro?
Se la risposta è visibile solo nelle diapositive di presentazione e non nel lavoro quotidiano, l’implementazione è ancora in corso.
In definitiva, il successo si misura in termini di costi di produzione.
