AFFILIAZIONE
graduate school of health economics and management, università cattolica del sacro cuore (altems) – direzione tecnica, ict e innovazione tecnologie sanitarie, fondazione policlinico universitario agostino gemelli irccs
AUTORE PRINCIPALE
Dr. Di Bidino Rossella
Registrazione obbligatoria. Una valutazione consentita
GRUPPO DI LAVORO
Dr. Govers Tim M department of medical imaging, radboud university medical center nijmegen, geert grooteplein-zuid 10, 6500 hb,
Dr. Vermeulen Robins department of medical imaging, radboud university medical center nijmegen, geert grooteplein-zuid 10, 6500 hb,
Papavero Sara Consilia graduate school of health economics and management, università cattolica del sacro cuore (altems)
Dr. Daugbjerg Signe graduate school of health economics and management, università cattolica del sacro cuore (altems)
Prof. Cicchetti Americo graduate school of health economics and management, università cattolica del sacro cuore (altems)
Dr. Haraldsen Ira department of neurology, division of clinical neuroscience, oslo university hospital, norway
Dr. Vermeulen Robins department of medical imaging, radboud university medical center nijmegen, geert grooteplein-zuid 10, 6500 hb,
Papavero Sara Consilia graduate school of health economics and management, università cattolica del sacro cuore (altems)
Dr. Daugbjerg Signe graduate school of health economics and management, università cattolica del sacro cuore (altems)
Prof. Cicchetti Americo graduate school of health economics and management, università cattolica del sacro cuore (altems)
Dr. Haraldsen Ira department of neurology, division of clinical neuroscience, oslo university hospital, norway
AREA TEMATICA
Esperienze e metodologie di valutazione delle tecnologie
ABSTRACT
Lo studio Horizon 2020 AI-Mind sviluppa due strumenti digitali basati sull’intelligenza artificiale (AI-Mind Connector, AI-Mind Predictor) che saranno integrati in una piattaforma di supporto diagnostico basata su cloud. Il consorzio è composto da 18 partners (clinici, sviluppatori di soluzioni di AI, rappresentanti dei pazienti, industria ed esperti di HTA) provenienti da 8 Paesi. L’obiettivo è rendere possibile la diagnosi precoce della demenza nei pazienti con Mild Cognitive Imparement. Lo studio vuole anche condurre una valutazione di Health Technology Assessment delle due soluzioni di IA e fornire un modello robusto per condurre un Early HTA.
Per definire il framework di HTA si è partiti dall’esperienza di EUnetHTA e sono stati identificati ulteriori topic connessi alle caratteristiche e alle implicazioni dell’adozione dell’IA. Una lista di 65 topic è stata sottoposta ad un panel internazionale di esperti (n=46) coinvolto in una Delphi survey. Ogni esperto assegnava uno score (tra 1-9) a ciascun topic. Se ≥ 70% dei rispondenti dava un punteggio ≥ 7 ad un topic, esso veniva incluso nel framework.
Inoltre, è stato sviluppato un modello analitico decisionale in cui si confronta la pratica attuale allo scenario in cui sono disponibili gli strumenti sviluppati da AI-Mind. L’obiettivo è di fornire uno strumento che definisca il valore potenziale delle tecnologie sviluppate.
Dalle risposte raccolte risulta che tra i primi 10 topic più importanti ve ne sono due non inclusi negli attuali framework di HTA: l’accuratezza del modello di AI (ha ricevuto un punteggio ≥ 7 dal 97.78% dei rispondenti) e i possibili bias nei dati utilizzati per il modello di AI (91.30%). Inoltre, cruciali sono risultati 14 dei 20 topic addizionali proposti, tra cui l’appropriatezza, la data protection, la trustworthiness e l’explainability.
Sul fronte dell’Early HTA, è stata sviluppata una dashboard basata sul modello decisionale composto da un albero decisionale e da un Markov model. Tramite la dashboard si possono modificare le principali variabili del modello, quali le caratteristiche delle strategie cliniche e le relative informazioni prognostiche, nonchè i suoi parametri, quali sopravvivenza, qualità di vita e costi.
Infine è in corso l’analisi sui costi e l’impatto ambientale della piattaforma necessaria per l’archiviazione dei dati e la gestione delle tecnologie di AI-Mind.
AI-Mind dimostra come la definizione dei metodi di HTA sia affaincabile allo sviluppo dell’IA.
Per definire il framework di HTA si è partiti dall’esperienza di EUnetHTA e sono stati identificati ulteriori topic connessi alle caratteristiche e alle implicazioni dell’adozione dell’IA. Una lista di 65 topic è stata sottoposta ad un panel internazionale di esperti (n=46) coinvolto in una Delphi survey. Ogni esperto assegnava uno score (tra 1-9) a ciascun topic. Se ≥ 70% dei rispondenti dava un punteggio ≥ 7 ad un topic, esso veniva incluso nel framework.
Inoltre, è stato sviluppato un modello analitico decisionale in cui si confronta la pratica attuale allo scenario in cui sono disponibili gli strumenti sviluppati da AI-Mind. L’obiettivo è di fornire uno strumento che definisca il valore potenziale delle tecnologie sviluppate.
Dalle risposte raccolte risulta che tra i primi 10 topic più importanti ve ne sono due non inclusi negli attuali framework di HTA: l’accuratezza del modello di AI (ha ricevuto un punteggio ≥ 7 dal 97.78% dei rispondenti) e i possibili bias nei dati utilizzati per il modello di AI (91.30%). Inoltre, cruciali sono risultati 14 dei 20 topic addizionali proposti, tra cui l’appropriatezza, la data protection, la trustworthiness e l’explainability.
Sul fronte dell’Early HTA, è stata sviluppata una dashboard basata sul modello decisionale composto da un albero decisionale e da un Markov model. Tramite la dashboard si possono modificare le principali variabili del modello, quali le caratteristiche delle strategie cliniche e le relative informazioni prognostiche, nonchè i suoi parametri, quali sopravvivenza, qualità di vita e costi.
Infine è in corso l’analisi sui costi e l’impatto ambientale della piattaforma necessaria per l’archiviazione dei dati e la gestione delle tecnologie di AI-Mind.
AI-Mind dimostra come la definizione dei metodi di HTA sia affaincabile allo sviluppo dell’IA.
