lug 26, 2019

Sommersi dai dati ma bisognosi di conoscenze precise

Tempo di lettura stimato: 6-8 minuti

Come può aiutare l'intelligenza adattiva

Immagina di essere un infermiere di medicina generale di un ospedale. Hai nove pazienti, diversi dei quali con malattie multiple. Devi tenere sotto controllo i segni vitali, registrare un lungo elenco di parametri e, soprattutto, devi assicurarti di rilevare eventuali segni di aggravamento. È impossibile essere ovunque contemporaneamente: su cosa ti concentri? In qualità di professore emerito di Harvard, E.O. Wilson afferma: "Siamo sommersi dai dati, mentre abbiamo un estremo bisogno di conoscenze precise".

 

Al giorno d'oggi, il personale sanitario ha di fronte una seria difficoltà: raccoglie e ha accesso a una quantità di dati mai vista prima, ma piuttosto che trasformali in esiti positivi per i pazienti, si ritrova sommerso dai dati. Quali sono i numeri significativi? È una situazione complessa in cui destreggiarsi e che contribuisce ogni anno ai 440.000 eventi avversi ma evitabili che portano al decesso dei pazienti negli ospedali statunitensi.[1] 

 

La mole di dati raccolti dal personale sanitario è inutile se non può essere utilizzata per migliorare gli esiti per i pazienti. Medici e infermieri sono d'accordo: il 73% dei medici e il 79% degli infermieri hanno affermato che la sicurezza dei pazienti è una preoccupazione costante e che l'incompletezza dei dati rappresenta una delle maggiori minacce. [2]

 

Grazie alla loro capacità di identificare modelli e punti di rilevamento critici, le tecnologie intelligenti possono incrementare il processo decisionale clinico aiutando infermieri e medici a riconoscere i casi a cui dare priorità, rendendoli più scrupolosi e in grado di migliorare gli esiti per i pazienti. Poiché queste tecnologie offrono un maggior supporto decisionale clinico e diagnostico, possono aiutare a offrire trattamenti più adeguati in modo tempestivo e, quindi, consentono di ridurre i costi sia per il personale che per il paziente.

 

In Philips crediamo nell'intelligenza adattiva: la tecnologia che si adatta alle persone che la utilizzano, non il contrario. L'intelligenza adattiva combina l'intelligenza artificiale con la conoscenza del contesto clinico, operativo o personale in cui viene utilizzata. Di seguito sono riportati alcuni esempi sul modo in cui possiamo influire in modo misurabile su personale sanitario e pazienti:

 

Diagnosi e trattamento – Nell'imaging del paziente, l'IA può fornire il contesto critico in merito ad anatomia e anamnesi del paziente (tra cui risultati di laboratorio, patologie, referti radiologici passati) per consentire al radiologo una comprensione più completa di ciò che sta osservando. Ad esempio, esistono soluzioni diagnostiche avanzate in grado di fornire una panoramica sul paziente e dati sulla patologia raccolti da migliaia di altri pazienti, consentendo ai medici di confrontare i dati, determinare le anomalie e stabilire il trattamento migliore. I pazienti sono inoltre maggiormente in grado di comprendere la situazione e sono messi in condizioni di partecipare al piano di cura. 

 

Altre soluzioni impiegano l'IA per organizzare i dati e creare un contesto importante e informazioni significative. Determinate piattaforme di genomica possono aiutare patologi e oncologi a elaborare un'immagine del paziente completa e unificata (profilo genomico, imaging, anamnesi del paziente, patologia anatomica) come modo per adattare con più precisione i trattamenti personalizzati alle necessità del paziente. Tali applicazioni bypassano grandi quantità di dati per fornire all'oncologo l'informazione esatta di cui ha bisogno, esattamente quando ne ha bisogno, per fornire cure efficaci per ciascun paziente. 

 

Cura intensiva – Le tecnologie che utilizzano l'intelligenza adattiva sono uno dei modi migliori con cui possiamo aiutare gli infermieri oberati menzionati in precedenza. Il punteggio per la valutazione precoce (Early Warning Score) consente di aggregare i dati del paziente e applicare l'intelligenza per rilevare precocemente i segni di aggravamento (a volte 6-8 prima di un evento). Il sistema avvisa quindi il personale infermieristico e contribuisce così a eliminare le supposizioni dal processo decisionale clinico, riducendo del 63% i trasferimenti dei pazienti nelle unità di terapia intensiva, nel caso del Saratoga Hospital.[3]

Monitoraggio remoto


L'IA può essere inoltre applicata in scenari di monitoraggio remoto del paziente per migliorare ulteriormente efficienza e costi complessivi. Dopo un ricovero, molti pazienti vengono dimessi senza monitoraggio a lungo termine, lasciandoli privi di un'assistenza proattiva una volta a casa. La tecnologia connessa con l'analisi predittiva (ad esempio Philips CareSage) è in grado di prevenire le riammissioni in ospedale evitabili e le visite in pronto soccorso rilevando cambiamenti nel comportamento che potrebbero indicare un cambiamento nel benessere dei pazienti, nel comfort delle loro case. 
 

CareSage combina i dati anagrafici del paziente e i dati della condizione medica con i dati dei servizi di emergenza medica Philips Lifeline per valutare il rischio per il paziente di trasporto in ospedale nei 30 giorni successivi. Uno studio condotto da Partners Connected Health ha mostrato che all'interno di una popolazione di 2.318 pazienti monitorati da CareSage, ogni anno è possibile evitare potenzialmente 224 ammissioni, pari a una riduzione del 40% o a un risparmio netto potenziale di 2,2 milioni di dollari.[4]

Davanti, una strada promettente


Grazie alla comprensione chiara delle necessità di paziente e personale sanitario, l'intelligenza adattiva ha una concreta chance di sconvolgere realmente il settore sanitario, dando un senso alla mole di dati creati ogni giorno dal personale sanitario e migliorare gli esiti per i pazienti. La crescita dell'IA consente al personale di rispondere ora a molte domande fondamentali, ma introduce molto altro. Come garantiamo ai medici che non diventeranno eccessivamente dipendenti dall'IA e che manterranno le relazioni con i pazienti assistendoli in sicurezza? Qual è la linea di confine tra una procedura che può essere guidata da un assistente a IA e una procedura che sarebbe meglio per il medico gestire senza IA? Sono domande sulle quali stiamo attualmente riflettendo in Philips e con i nostri partner in tutto il mondo. Sono impaziente di condividere altro con voi mentre continuiamo a scoprire nuove tendenze e a promuovere collaborazione e innovazione.

 

 

[1]  James, J. A New, Evidence-based Estimate of Patient Harms Associated with Hospital Care, Journal of Patient Safety 2013; 19:3, 122-128. 78. journals.lww.com/journalpatientsafety/fulltext/2013/09000/A_New,_Evidence_based_Estimate_of_Patient_Harms.2.aspx 

[2]  Patient Safety in Critical Condition, Philips 2017. usa.philips.com/c-dam/b2bhc/master/feature-details/pm-deepdive/pm-group-page/PCMS_survey_project_report_UPDATED.pdf 

[3]  Saratoga Hospital Partners with Philips to Improve Patient Care and Safety, 2018: usa.philips.com/a-w/about/news/archive/standard/news/press/2018/20180307-saratoga-hospital-partners-with-philips-to-improve-patient-care-and-safety.html 

[4] Golas, S.B., et. al. (2016, April) Retrospective Evaluation of Philips Lifeline CareSage Predictive Model on Patients of Partners Healthcare at Home. Poster session presented at the American Telemedicine Association, Minneapolis, MN

Autore

Dr. Carla Kriwet, Chief Business Leader Connected Care

You are about to visit a Philips global content page

Continue

You are about to visit a Philips global content page

Continue

La visualizzazione ottimale del nostro sito richiede la versione più recente di Microsoft Edge, Google Chrome o Firefox.

Sei un operatore sanitario?
Campo obbligatorio

Note:

I contenuti presenti nella pagina che segue contengono informazioni rivolte esclusivamente agli OPERATORI SANITARI, in quanto si riferiscono a prodotti rientranti nella categoria dei dispositivi medici che richiedono l’impiego o l’intervento da parte di professionisti del settore medico-sanitario.