Ospedali del futuro: niente più file con l'Ai

Ospedali del futuro: niente più file con l'Ai
L'utilizzo di modelli predittivi basati su algoritmi di intelligenza artificiale permetterà di gestire al meglio i flussi di pazienti, prevedendo le loro necessità e valutando le risorse disponibili all'interno dell'intera rete di assistenza
3 minuti di lettura

La pandemia ce lo ha messo sotto gli occhi: garantire l'accesso alle cure durante le emergenze è cruciale, ed estremamente complesso. Durante i picchi di accesso alle strutture sanitarie è fondamentale riuscire a gestire al meglio posti letto e personale disponibile, per evitare il sovraffollamento dei reparti e il sovraccarico di lavoro per medici e infermieri, che si traducono in attese, frustrazione e anche potenziali danni di salute per i pazienti. Il problema, che nasce ben prima di Covid 19, non si risolve aumentando semplicemente le risorse a disposizione: non è solo questione di quanti letti sono disponibili in un reparto ma anche di come vengono utilizzati. Distribuire i flussi di pazienti, sia all'interno del singolo ospedale che dell'intera rete territoriale, prevedendo e anticipando le loro necessità, è la chiave per evitare sovra-richieste e per garantire cure mirate nel minor tempo possibile. In questa direzione, come spiega Philips, azienda leader nel settore dell’Health Technology, un aiuto arriva dai modelli predittivi basati su algoritmi di intelligenza artificiale: assistenti digitali che possono studiare i dati sanitari, presenti e passati, raccolti da un ospedale o da un network di ospedali, e fornire previsioni che affianchino gli operatori sanitari in un processo decisionale più informato e consapevole. Consentendo, ad esempio, di prevedere quali e quanti pazienti in pronto soccorso avranno una buona probabilità di essere ricoverati in terapia intensiva. Philips racconta come potrebbe essere il viaggio del paziente con il nuovo approccio coordinato.

Anticipare le mosse

Ripensare la gestione dei flussi di pazienti attraverso strumenti informativi basati su analisi predittive è la chiave per migliorare l'accessibilità e la qualità dell'assistenza, a vantaggio sia del paziente sia del personale sanitario. Immaginiamo che la signora Rosa abbia all'improvviso palpitazioni e difficoltà respiratorie e chiami rapidamente l'ambulanza. Ipotizziamo che, a questo punto, un operatore che si occupa di coordinare i flussi di pazienti riceva una notifica con le informazioni sullo stato di salute della paziente. L'operatore sarà così in grado, sulla base delle esigenze della persona e sui dati relativi alla disponibilità delle varie strutture, di indirizzare Rosa dove c'è posto. Questo serve a evitare il sovraffollamento dei pronto soccorso nonché un ritardo nella diagnosi e nel trattamento, che può avere conseguenze gravi. Nel caso di un sovraccarico di richieste, dovuto ad esempio a un evento eccezionale, il coordinatore ottiene rapidamente una visione d'insieme e sarà pronto a contattare tempestivamente esperti che fungono da supervisori all'interno di una rete più ampia per attivare piani d'emergenza e aumentare posti e personale. Una volta che Rosa è arrivata in ospedale, le informazioni cliniche, combinate con dati ottenuti tramite algoritmi di intelligenza artificiale, permettono di ottenere previsioni sul rischio di un peggioramento. In questo modo l'operatore può pre-allocare un posto per la paziente all'interno reparto giusto, considerando anche le risorse e gli strumenti medici necessari per il trattamento.

 

Una visione d'insieme

I modelli predittivi basati su algoritmi di intelligenza artificiale permettono quindi di evitare la congestione dei reparti, e di curare un numero maggiore di persone e in maniera più mirata. Avere una visione d'insieme, grazie a informazioni operative centralizzate, migliora la gestione del flusso di pazienti e l'organizzazione dell'assistenza sanitaria all'interno dell'intera azienda. Inoltre, le analisi predittive consentono di velocizzare e ottimizzare il percorso di presa in carico e cura del paziente, che risparmia spostamenti e tempo di permanenza in ospedale. Quel tempo e quello spazio liberati saranno così disponibili per altre persone che hanno bisogno di cure.

Il decision-making è esteso a tutta la rete

Non basta gestire tutto attraverso un centro di comando, ovvero una struttura centralizzata, adibita al controllo dei casi. È necessario coordinarsi e rendere disponibili le informazioni a tutto lo staff sul territorio. In particolare, questo è possibile attraverso la scelta e la definizione di specifici Kpi (Key Performance Indicators), indicatori essenziali dell'avanzamento di un'azienda nel raggiungere gli obiettivi prefissati. Questi parametri devono permettere una previsione affidabile dei “colli di bottiglia”, criticità che in caso di aumento del flusso di pazienti possono generare forti rallentamenti, nonché fornire informazioni sintetiche, utili per il processo di decision-making degli interventi più appropriati. Una volta definiti i Kpi, questi dati devono essere resi disponibili presso il singolo punto di assistenza – dunque diffusi e dislocati – ed essere fruibili in maniera semplice da tutti i membri dello staff. In questo processo il ruolo del medico resta centrale: gli algoritmi predittivi possono favorire scelte più coordinate all'interno dell'intera rete di assistenza, ma le decisioni cliniche, che tengono conto di questi nuovi elementi, spettano e spetteranno sempre allo specialista.

 

La gestione integrata anche a casa

Il coordinamento e la gestione integrata del paziente non si esaurisce in ospedale. Il monitoraggio, basato anche su analisi predittive, prosegue anche da remoto una volta che la persona ritorna a casa. Questo controllo costante serve a riconoscere eventuali campanelli d'allarme, ad esempio un possibile peggioramento di alcuni parametri, per agire tempestivamente e prevenire complicanze più gravi. Anche l'ospedale ne trae vantaggio: si evitano emergenze e si riducono i costi dei ricoveri. Uno studio pilota condotto negli Stati Uniti, per esempio, ha dimostrato che con questo metodo si può avere una riduzione dell'80% delle seconde ospedalizzazioni di pazienti con broncopneumopatia cronico ostruttiva (Bpco). Questo approccio può essere utile anche a lungo termine, mediante una pianificazione più consapevole e informata delle risorse e del tipo di cure supportate dalle strutture sanitarie.