L'intelligenza artificiale rivoluzionerà il settore sanitario: ecco come!

Il settore sanitario è caratterizzato da una grande quantità di dati complessi, conservati in diversi luoghi e in continua evoluzione. Questo lo rende un obiettivo ideale per l'intelligenza artificiale, in particolare per il machine learning. Il machine learning, secondo la definizione di Oxford, è 'l'uso e lo sviluppo di sistemi informatici in grado di apprendere e adattarsi senza seguire istruzioni esplicite, utilizzando algoritmi e modelli statistici per analizzare e trarre inferenze dai modelli nei dati'. Negli ultimi anni, il machine learning si è dimostrato utile nella diagnosi e può contribuire all'efficienza della codifica medica. Tuttavia, ci sono molti altri ambiti in cui il machine learning potrebbe essere utile, ma finora non ha ancora fatto breccia. Perché? Harshith Ramesh, co-CEO di Episource, un fornitore di servizi e software per l'aggiustamento del rischio per gruppi medici e piani sanitari, ed esperto di machine learning, ci aiuta a capire perché il machine learning è così adatto al settore sanitario e quali sono gli ostacoli che impediscono il suo pieno sviluppo. Ramesh sostiene che il settore sanitario sia particolarmente adatto al machine learning, poiché è caratterizzato da un aumento esponenziale del volume di dati dei pazienti negli ultimi due decenni. Oggi, circa il 30% dei dati mondiali è generato dall'industria sanitaria. Questo è dovuto, in parte, all'uso diffuso delle cartelle cliniche elettroniche, che hanno iniziato a diffondersi negli anni '90. La digitalizzazione delle informazioni sui pazienti non solo ha aumentato la quantità di dati disponibili, ma li ha resi più facilmente accessibili per le applicazioni di machine learning. Oltre alle cartelle cliniche elettroniche, i dati sanitari provengono anche da un numero crescente di fonti, come dispositivi medici, indossabili, centri di elaborazione dati, laboratori e studi medici. Questa grande quantità di dati è fondamentale per rendere i modelli di machine learning sempre più precisi nella previsione degli esiti dei pazienti e, di conseguenza, aiutare le organizzazioni sanitarie a sviluppare un quadro più completo della salute del paziente nel tempo. I dati sanitari sono, inoltre, più oggettivi rispetto a quelli generati da altri settori, il che li rende particolarmente compatibili con la tecnologia del machine learning. Ciò è dovuto a procedure standardizzate, sistemi automatizzati, codificatori medici e medici esperti, che contribuiscono a rimuovere il più possibile la soggettività dai dati.