AFFILIAZIONE
asst fatebenefratelli sacco
AUTORE PRINCIPALE
Ing. Cravero Silvio
VALUTA IL CHALLENGE[ratingwidget]
GRUPPO DI LAVORO
Ing. Cravero Silvio – asst fatebenefratelli sacco, milano
Ing. Ignoranza Ida – politecnico di milano, milano
Ing. Campo Matteo – politecnico di milano, milano
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
L’applicazione dell’intelligenza artificiale (Artificial Intelligence-AI) e degli algoritmi di Machine Learning (ML), oggigiorno hanno dimostrato la capacità di poter influenzare qualsiasi aspetto legato alla cura del paziente e la cardiologia non fa eccezione a questa tendenza.
La selezione dei dati clinici è essenziale per la modellazione predittiva e per l’apprendimento automatico – attraverso l’implementazione dell’AI e ML.
La promessa dell’AI e del ML è quella di fornire una serie di strumenti a supporto del cardiologo per l’efficacia nel trattamento dei suoi pazienti. Allo stesso tempo risultano essere delle soluzioni adeguate a smorzare le crescenti pressioni in ambito medicale, ove viene richiesta maggiore produttività operativa da parte dei medici e dei sistemi sanitari.
Si propone la realizzazione di un workflow-protocollo che sia di supporto ai clinici nel processo di decision-making e che consenta di realizzare per ogni paziente un percorso di cura più rapido e personalizzato.
A tal proposito, l’ASST Fatebenefratelli-Sacco ha implementato un servizio di telecardiologia incentrato sull’attività di informatizzazione e refertazione dell’elettrocardiografia ECG.
Attualmente, tale sistema è attivo a livello ospedaliero oltre che per la parte di consulenza esterna e nel breve periodo sarà implementato alle varie Afferenze Territoriali.
Il workflow ha quindi origine dalla raccolta dei dati clinici ottenuti attraverso il servizio di telerefertazione oltre che dal recupero dei dati sanitari dalle apparecchiature biomediche.
Grazie all’utilizzo del’ AI e del ML, l’elaborazione di tali dati potrebbero permettere ai clinici di ottenere uno strumento di supporto al decision-making process. Infatti, attraverso l’impiego di tale protocollo, i clinici per ogni singolo paziente (sulla base dei dati clinici raccolti) otterrebbero una prima diagnosti supportata dall’applicazione degli algoritmi di ML applicata su vari brand multivendor di apparecchiature biomediche.
L’analisi di tali dati infine permetterebbe ai clinici di ottenere dei suggerimenti riguardo il percorso di cura più indicato (Patient-Centered Model Implementation) rispetto le linee guide di riferimento.
