Prospettive, potenzialità, impatti e modelli dell'Artificial Intelligence in ambito sanitario - Deloitte
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Contenuti La Health Care Med Tech Community di Deloitte 3 L’Artificial Intelligence in sanità 5 I modelli di applicazione dell’Artificial Intelligence in ambito sanitario 7 L’Artificial Intelligence nel mondo 9 L’Artificial Intelligence nella sanità italiana 13 L’AI Industry Foresight 17 Conclusioni 27
Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
La Health Care Med Tech
Community di Deloitte
Nel 2017 Deloitte ha dato vita alla Health Disruptive studiata dalla Community, dedicata all’intelligenza artificiale per
Care Med Tech Community, la prima nel suo secondo anno di vita, l’Advisory comprenderne: modelli di impiego, stato
community dedicata alle Tecnologie Board ha deciso di indagare una delle dell’arte e diffusione a livello globale,
Disruptive aperta ad aziende sanitarie tecnologie più popolari e discusse di presenza nel settore sanitario italiano,
e del Life Science; associazioni e società questi ultimi anni: l’Artificial Intelligence. possibili sviluppi e barriere da superare,
scientifiche; esperti di Disruptive al fine di portare questa tecnologia a
Durante il suo secondo anno di
Technology e aziende connesse; società diventare mainstream.
attività, la Community si è quindi
in house; centrali d'acquisto; agenzie
sanitarie; mondo della ricerca, delle
start up, del venture capital; incubatori e
Figura 1 - I membri dell'Advisory Board della Health Care Med Tech Community
acceleratori di impresa; terzo settore.
L’innovazione in sanità è il tema a cui Università degli Professore Associato
la Community è dedicata. Orientare Studi di Milano Federico Cabitza Direttore Scientifico Health Care Med Tech
l’ecosistema della salute verso Bicocca Community
l’innovazione significa gettare le basi
Gilead Stefano Giardina Market Access Manager
per una trasformazione efficace
dell’intero settore, dove il valore è Servizio Sanitario Direttore alla Programmazione Area Vasta Sud
Niccolò Pestelli
generato dal coinvolgimento di tutti gli della Toscana Est
stakeholder con i loro diversi punti di
vista, prospettive e ruoli. Oggi più che Coris Teresa Gasparetto Amministratore Delegato
in passato, le Disruptive Technology
possono rappresentare il pivot della Intercent-ER Alessia Orsi Responsabile servizio ICT
trasformazione e dell’innovazione dei
modelli operativi in ambito clinico, Guido Beccagutti Value, Access & Reimbursement Director
Medtronic
assistenziale, organizzativo e gestionale. Vittorio Martinelli Country Director Restorative Therapies Group
Intelligenza artificiale, 3D Printing, realtà GVM Care &
Andrea Masina Amministratore Delegato Kronosan
aumentata, Internet of Things (IoT), Big Research
Data sono solo alcune delle tecnologie
attualmente disponibili sul mercato e MCI Luigi Cammi Managing Director
pronte all’uso che creano sviluppo e che
Regione Lombardia
abilitano nuove modalità di interazione Giovanni Delgrossi CIO
ASST Vimercate
nell’ecosistema e lo rendono accessibile
a nuovi soggetti e attrattivo per nuovi Istituto Ortopedico Orthopedic Spine Surgeon, CEO of Ortho-Spine
Pedro Berjano
investimenti. Galeazzi Director of the GSpine4
Istituto per il
Il format della Med Tech Community, pur
Management Paolo Colli
consapevole delle naturali interazioni e Presidente
dell'Innovazione Franzone
contaminazioni tra le diverse Disruptive
in Sanità
Technology, prevede lo studio di una
tecnologia alla volta. Dopo il 3D Printing, Deloitte Mauro Lovisari Senior Advisor Deloitte
che è stata la prima delle Tecnologie
3Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
L’Artificial Intelligence
in sanità
Il settore sanitario sta subendo notevoli condizioni cliniche e possibili opzioni Molte, in definitiva, sono le aspettative, le
trasformazioni innescate dall’introduzione terapeutiche e di intervento. suggestioni e le prospettive che l’AI pone
e dal progressivo utilizzo delle nuove per l’innovazione (non solo tecnologica)
• Supportando le decisioni del personale
tecnologie. Tra le tecnologie esponenziali, del settore sanitario. Altrettante, tuttavia,
clinico e liberando tempo prezioso
l’intelligenza artificiale è una tra quelle con sono le preoccupazioni e gli interrogativi
per le attività cliniche a maggior valore
i maggiori tassi di crescita. Secondo uno che un impiego massivo di queste
aggiunto e il trattamento dei casi più
studio della Stanford University, “Artificial tecnologie e l'ingresso di nuovi player
complessi.
Intelligence and Life in 2030”1, quello digitali portano con sé, in un campo
sanitario è infatti uno degli otto settori • Sviluppando nuovi modelli di ricerca delicato e sensibile come quello della
in cui l’impatto dell’intelligenza artificiale e favorendo il progresso medico salute.
sarà maggiormente rilevante. scientifico.
Anche in questo settore, infatti, il
A livello mondiale, il giro di affari relativo In un futuro che appare non troppo potenziale “lato oscuro” dell’AI derivante
all’insieme delle tecnologie applicate alla lontano, analisti ed esperti concordano dalla temuta sostituzione uomo (in questo
sanità (quali ad esempio 3D Printing, sul fatto che l’Artificial Intelligence (AI) – caso medico) – macchina, dai rischi per il
Virtual Reality, Internet of Things, Artificial usata e combinata con altre tecnologie rispetto della privacy e la protezione dei
Intelligence, ecc…) potrebbe aumentare esponenziali per definire nuovi modelli dati sanitari personali e da molte altre
e raggiungere i 280,25 miliardi di dollari di erogazione dei servizi sanitari – potrà possibili distorsioni, generate dall’impiego
entro il 2021, con un tasso di crescita essere addirittura in grado di contribuire dell’AI, sono argomenti di grande attualità
(CAGR) del 15,9% tra il 2016 e il 20212. a cambiare profondamente la struttura sia tra gli addetti ai lavori sia nel dibattito
Guardando al solo mercato globale e le dinamiche competitive di un settore che si sviluppa sui media.
dell'intelligenza artificiale nel settore storicamente caratterizzato da barriere
L’impatto e la velocità di sviluppo
sanitario, le previsioni indicano che il all’entrata significative collegate alla
dell’applicazione delle tecnologie
relativo giro d’affari dovrebbe crescere estrema specializzazione, da un lato, e
dell’intelligenza artificiale nei sistemi
con un CAGR del 43,5% dal 2018 per alla localizzazione e regolazione di livello
sanitari dei paesi avanzati dipenderanno
raggiungere i 27,60 miliardi di dollari entro nazionale, dall’altro. Negli ultimi anni,
dalla capacità di trovare una sintesi
il 20253. infatti, abbiamo assistito all’ingresso sul
positiva e progressiva tra:
mercato sanitario di aziende tecnologiche
L'intelligenza artificiale ha già dimostrato
innovative e a una attenzione che resta • I potenziali offerti dall’innovazione e
di avere il potenziale per trasformare
costante, se non crescente, da parte dei dalla convergenza tecnologica.
i modelli di organizzazione e gestione
tech giants (Google, Amazon, Wallmart
dell’assistenza sanitaria in diverse • L’accettazione di queste nuove
e altri), che promettono di rivoluzionare
maniere: tecnologie da parte del settore
le tradizionali modalità di assistenza
sanitario in tutte le sue articolazioni
• Automatizzando alcune attività cliniche sanitaria attraverso la digitalizzazione dei
(workforce, provider tradizionali, payor
e amministrative attualmente svolte da servizi e la disintermediazione degli stessi
e regulatory).
medici e operatori. rispetto agli erogatori tradizionali.
• La fiducia dei cittadini in un nuovo
• Creando nuove esperienze di fruizione Siamo dunque alla vigilia di una stagione
modello di sanità sempre più
dei servizi per i pazienti. in cui brand globali non sanitari stanno
guidato da una visione del paziente-
per trasformarsi in brand globali di
• Intervenendo sulla qualità delle cure consumatore e, quindi, proteso a
riferimento per il settore sanitario e in
grazie alla medicina personalizzata, mutuare le applicazioni digitali già
cui start up digitali ne modificheranno le
alla possibilità di migliorare la diagnosi oggi disponibili in altri settori (servizi
tradizionali dinamiche competitive?
e la prognosi rispetto a determinate finanziari, telecomunicazioni, mobilità).
5Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario 6
Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
I modelli di applicazione
dell’Artificial Intelligence
in ambito sanitario
Il contributo dell’Artificial Intelligence la capacità di modificare la relazione La lettura integrata di queste due
alla trasformazione del settore sanitario con il paziente e il suo network dimensioni genera quattro modelli
può essere letto lungo due differenti (Healthcare to Patient, H2P) intesa di analisi delle possibili applicazioni
dimensioni di analisi: quale massima espressione di dell’Artificial Intelligence nel settore
cambiamento di logiche operative sanitario, come si può osservare in
• La capacita dell’AI di apportare
consolidate, oppure di impattare sui Figura 2, e permette di sviluppare un
innovazione, in termini di
processi interni e/o filiere che legano approccio organico e coerente all’analisi
contribuzione alla rigenerazione e
providers, pagatori ed enti regolatori delle opportunità dell’AI in sanità (“AI
modernizzazione dei modelli operativi
(Healthcare to Healthcare, H2H), Health Care Industry Framework”).
esistenti, oppure di creazione di nuovi
senza modificare significativamente
modelli operativi e di business.
il rapporto con il paziente rispetto ai
• Il tipo di impatto generato dalle modelli tradizionali di organizzazione Percorso I: Automate and
applicazioni dell’AI e, in particolare, e gestione dell’assistenza sanitaria. enrich process
In questo percorso l’AI è utilizzata
per generare efficienza e aumentare
Figura 2 – Deloitte Artificial Intelligence Industry Framework
l’efficacia di alcune attività tramite una
Impatto per il paziente e il suo network maggiore tempestività, accuratezza e
+ sicurezza del processo. Le organizzazioni
Path II Path III sanitarie che sviluppano progetti
Change patient Transform healthcare all’interno di questo percorso utilizzano
Innovazione da generazione di nuovi processi
experience delivery model
Innovazione da rigenerazione dei processi e
l‘AI come tecnologia di accelerazione
e automatizzazione dei processi, con
dei modelli di business esistenti
l’obiettivo di aiutare la forza lavoro a
e nuovi modelli di business
essere più efficiente ed efficace.
In questa configurazione, l'obiettivo
principale delle applicazioni di AI
- + quali RPA e Deep Learning è quello di
elaborare rapidamente e accuratamente
Path I Path IV grandi quantità di dati/ immagini e
Automate and Transform healthcare svolgere processi di tipo amministrativo
enrich process governance in maniera molto più rapida rispetto
all'uomo, cercando almeno di garantire
i medesimi livelli di accuratezza e
precisione. Questo percorso è quello
in cui sono nate le prime applicazioni
- concrete dell’AI in sanità e gli esempi
rintracciabili sono davvero molti.
Impatto per gli attori del settore (provider, payor, supplier & regulatory)
7Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Un esempio concreto un personal assistant, posizionato al possibilità ai cittadini inglesi, coperti dal
letto del paziente e integrato alla cartella progetto “GP at Hand”, di sperimentare
Enlitic è una azienda basata a San
clinica elettronica. Questa innovazione se continuare ad avere il Medico di
Francisco che utilizza il Deep Learning
modernizza il tradizionale processo di Medicina Generale tradizionale o se,
per rendere i reparti di radiologia più
chiamata dell’infermiere tramite pulsante viceversa, passare al servizio virtuale
veloci e precisi. Con il contributo di
attraverso la possibilità di esprimere la offerto da Babylon attraverso la propria
radiologi di livello internazionale, data
richiesta verbalmente e fare in modo che rete di medici e basato su tecnologie
scientist e ingegneri informatici, l’azienda
gli operatori visualizzino direttamente evolute che combinano aspetti di
ha sviluppato un algoritmo in grado
sulla cartella clinica e sulla dashboard di AI, interoperabilità, mobile health e
di integrarsi con i PACS (sistema di
reparto la stessa, avendo la possibilità di trasformano radicalmente l’esperienza
archiviazione e trasmissione di immagini)
discernere – ad esempio – tra richieste del paziente, quella del medico e l’assetto
e automatizzare la refertazione. Questi
urgenti e differibili grazie all’analisi del sistema sanitario nel suo complesso.
offrono ai radiologi soluzioni di triaging
effettuata dall’AI.
per scansionare più referti clinici,
determinare le priorità e indirizzarle al
Percorso IV: Transform
medico più appropriato. La tecnologia
Percorso III: Transform healthcare governance
di Enlitic è in grado di interpretare
healthcare delivery model
un'immagine diagnostica nell'ordine In questo percorso l’utilizzo dell’AI ha lo
di millisecondi, con una risposta fino a In questo percorso l’utilizzo dell’AI scopo di migliorare la governance dei
10.000 volte più veloce in media rispetto avviene in combinazione ad altre sistemi sanitari e favorire il progresso in
alla tradizionale attività del radiologo, tecnologie esponenziali, con lo scopo di termini di sviluppo di nuovi trattamenti,
automatizzando e arricchendo i suoi offrire un nuovo modello di servizio ai farmaci e dispositivi. Le organizzazioni
processi di lavoro tradizionali. pazienti. In questo caso, le organizzazioni e le istituzioni che avviano progettualità
sanitarie tradizionali e organizzazioni non in questo ambito utilizzano l’AI per
sanitarie utilizzano l'AI in combinazione analizzare grandi quantità di dati e poter,
Percorso II: Change patient con altre tecnologie per trasformare in questo modo, intervenire sulle logiche
experience radicalmente il modo in cui l'assistenza di rimborso, supportare lo sviluppo
sanitaria viene fornita in specifici ambiti della VBHC (Value based Health Care),
In questo percorso l’utilizzo dell’AI da
di diagnosi e cura. Questo modello implementare programmi di RWE (real
parte delle organizzazioni sanitarie
di applicazione dell’AI arriva a nuovi world evidence) e population health
ha lo scopo di migliorare i processi
paradigmi di erogazione e fruizione management innovativi, migliorare
tradizionali ma, a differenza del percorso
dell’assistenza sanitaria, cercando di l’allocazione delle risorse e i processi di
precedente, si propone di modificare
trasferire all’interno del settore salute Planning & Procurement.
radicalmente l’esperienza di fruizione
dinamiche digitali con le quali il cittadino
del servizio da parte del paziente e dei Un esempio concreto
ha già sviluppato una forte consuetudine
suoi familiari. Le organizzazioni sanitarie
in quasi tutti gli altri ambiti della sua Healint è un'azienda nata a Singapore
che sviluppano progetti all’interno di
vita (trasporti, turismo, servizi finanziari, che aiuta le persone che soffrono di
questo percorso hanno l’obiettivo,
telecomunicazioni, tempo libero e sport). emicrania a gestire la loro condizione,
attraverso device di uso comune come
fornendo loro una APP dove poter
smartphone e assistenti personali Un esempio concreto
inserire i propri sintomi e registrare
virtuali, di fare in modo che i pazienti
Babylon Health è una azienda nata informazioni, oltre a fruire dei dati in
interagiscano con l’AI e che questa
in Inghilterra nel 2013 come azienda tempo reale. Healint, tuttavia, non si
tecnologia diventi parte integrante della
di telemedicina. Oggi Babylon Health limita a gestire il problema del singolo
relazione e dell’esperienza di cura che
ha l'obiettivo di diventare una digital paziente. Attraverso l’uso evoluto di
l’organizzazione sanitaria costruisce con
healthcare company globale, con Deep Analytics & Machine Learning sulla
essi.
progetti in diverse parti del mondo e in grande quantità di dati raccolti nella
Un esempio concreto collaborazione con diversi interlocutori propria APP, la compagnia è in grado di
tradizionali dei settori sanitari di diversi fornire dati di real world patient insight
DeloitteASSIST è una soluzione realizzata
Paesi. Babylon Health ha avuto una che possono essere utilizzati per finalità
da Deloitte Australia per il Prince of
grande visibilità, anche sui media di ricerca e trattamento della patologia,
Wales Hospital di Sydney, per consentire
non specializzati, in quanto ha siglato anche in collaborazione con i diversi
ai pazienti allettati (in ospedale e al
un contratto con l’NHS (il Servizio attori dell’ecosistema salute come, ad
domicilio) di richiedere assistenza
Sanitario Nazionale inglese) per offrire la esempio, provider e supplier.
infermieristica attraverso l’impiego di
8Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
L’Artificial Intelligence
nel mondo
Per costruire l’AI Health Care Industry dell’AI Health Care Industry Framework e, L’analisi delle esperienze ha permesso
Framework, la Health Care Med Tech successivamente, a raggruppare queste di individuare alcuni trend internazionali
Community ha analizzato oltre 200 166 storie di successo all’interno dei nell’utilizzo dell’AI. La lettura complessiva
esperienze provenienti da tutto il mondo quattro percorsi. dei casi di successo selezionati a livello
riguardanti innovazioni nell’utilizzo dell’AI globale mostra come l’applicazione
La Figura 3 mostra una rappresentazione
in ambito sanitario e ha selezionato le dell’Artificial Intelligence in ambito
grafica della provenienza dei casi di
166 più significative. In particolare, si sanitario sia piuttosto eterogenea
successo, riportandone il numero per
è proceduto ad analizzare tali casi di rispetto alle categorie dell’Industry
ciascun Paese.
successo per generalizzare la matrice Framework, senza alcuna focalizzazione
particolare rispetto ai 4 percorsi descritti
nel paragrafo precedente.
Figura 3 - Mappa dei casi di successo nel mondo
3 3
13 6 1
2 4
1
2
20
64 2
7
1
11 2
2
3 8
2
9
9Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Figura 4 - I trend internazionali nell’uso dell'AI Osservando i dati, pur con la
distribuzione sostanzialmente
+ omogenea tra i vari ambiti, come
Percorso II Percorso III appena menzionato, si può registrare
Change patient experience Transform healthcare delivery model
che la maggior parte delle esperienze
si inserisce all’interno del percorso IV,
19% 27% seguito a breve distanza dai percorsi I
e III dell’Industry Framework: ovvero,
rispettivamente Transform healthcare
governance (28%), Automate and
enrich process e Transform healthcare
- + delivery model (27%). Chiude il percorso
II, Change patient experience, con il
19%.
27% 28% Esaminando i casi di successo per
ciascun Paese, si evidenzia un ruolo
guida degli Stati Uniti, che presentano
ben 64 best case distribuiti nei
Percorso I Percorso IV quattro quadranti. Osservate a livello
Automate and enrich process - Transform healthcare governance consolidato, anche l’Europa insieme a
Canada e Australia mostra una buona
NON FA 100
propensione a investire in questa
tecnologia.
Figura 5 - Focus sui trend per ciascun Paese
70
64 Legenda
60 Transform
Change
healthcare
patient
delivery
experience
model
50
Automate Transform
and enrich healthcare
40 process governance
30
20
20
13
11
10 9 8 7 6
4 3 3 3
2 2 2 2 2 2 1 1 1
0
10Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
A partire dal database sono stati selezionati 10 casi particolarmente significativi, riportati nella Figura 6.
Figura 6 - I 10 casi di successo internazionali selezionati da Deloitte
Babylon Health: rivoluziona l’accesso al NHS Oscar Health: introduce un nuovo modello
con GP at Hand. Aiuta l’utente a interpretare di business, per cui il premio assicurativo varia
i sintomi, consultare la propria storia clinica in base al profilo di rischio di ciascun utente.
e prendere un appuntamento video-chat o L’APP permette anche di interpretare i sintomi,
face-to-face con uno specialista. geolocalizzare il medico più vicino e avviare
una videocall.
X2AI: Tess è un virtual assistant che,
analizzando i messaggi testuali dei pazienti Smile Direct Club: è in grado di ricreare
affetti da disturbi mentali, modula le risposte un'immagine 3D dell’arcata dentale tramite
per fornire supporto emotivo. In caso di AI dalle impronte acquisite con un home-kit,
emergenza mette in contatto il paziente con e realizzare un InvisAlign su misura. Sfrutta
uno specialista. anche la telemedicina per le interazioni
medico-paziente.
Our Path: una APP che, grazie a un
braccialetto per il monitoraggio dell’attività DreaMed Diabetes: è l’advisor virtuale
fisica e di alcuni parametri vitali, aiuta basato sull’AI per pazienti affetti da diabete che
l’utente a prevenire l’insorgenza del diabete adatta il trattamento dell’insulina a partire dalla
di tipo II e gli fornisce il supporto di un raccolta dei dati clinici del paziente stesso
coach dedicato, che elabora un programma (quali ad esempio letture del glucosio, dati
personalizzato per migliorare lo stile di vita. sull’assunzione dei carboidrati nel pasto).
Arterys: una piattaforma online per le AdhereTech: la prima Smart Pill Bottle che
immagini mediche che, grazie all’Artificial interagisce con il paziente e la farmacia. Il
Intelligence, permette di ottimizzare la qualità, device ricorda ai pazienti (con SMS o chiamate)
aumentare la velocità e automatizzare il di assumere i farmaci, analizza i dati sul loro
processing delle immagini e migliorare il utilizzo e ricorda ai farmacisti di inviarli al
processo decisionale. domicilio prima che questi terminino.
MigrainBuddy: l’APP di Healint per i pazienti Accolade USA: Maya è una piattaforma
affetti da emicrania. Ciascun utente dedicata alla personalizzazione
traccia l’andamento della propria emicrania dell’assistenza sanitaria che supporta i
quotidianamente, alimentando così un ampio pazienti in tutto il percorso clinico a partire
registro dati utile agli operatori sanitari. dall’individuazione del medico più adatto ai
bisogni dell’assistito.
11Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario 12
Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
L’Artificial Intelligence
nella sanità italiana
Al fine di comprendere lo stato dell’arte Figura 7 - Profilo dei partecipanti alla survey
della diffusione dell’AI all’interno
del settore sanitario italiano è stata
condotta una survey rivolta ai principali
stakeholder della sanità: Healthcare
provider, Aziende Life Science, Soggetti 42%
Healthcare provider
Aggregatori e Soggetti di Area Vasta,
Società Scientifiche. L'indagine, inviata
a un centinaio di soggetti, ha visto 37%
Aziende Life Science
l’adesione di 39 partecipanti suddivisi
nei quattro target come riportato nella
Figura 7.
13 %
Procurement & Supply chain
La survey ha affrontato 3 ambiti di
analisi: 8%
Società scientifiche
1. Prospettive di sviluppo e stato
dell’arte, ovvero consapevolezza del
potenziale da cogliere
2. Azioni ritenute prioritarie per
sviluppare modelli di adozione
sostenibili
3. Barriere da superare per
applicazioni su larga scala
Dalla survey è emerso che i partecipanti
vedono nell’Artificial Intelligence
notevoli potenzialità. Nell’analizzare
più in dettaglio le prospettive dei
diversi stakeholder circa l’applicazione
dell’intelligenza artificiale si evincono sia
tratti comuni sia delle peculiarità che
caratterizzano ciascuna categoria di
appartenenza.
13Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Figura 8 - Prospettive: medicina personalizzata e automazione dei processi (voto medio: min 1 - max 5)
Supporto al clinico 4,7
Personalizzazione del trattamento a partire dall'analisi
Healthcare dei dati di coorti di pazienti con caratteristiche simili 4,7
provider
Riduzione dei costi derivanti dall'automazione processi 4,4
Incremento/miglioramento della qualità dell'attività di
ricerca clinica 5,0
Automazione attività di back-office e replacement di
Aziende
task attualmente svolti da personale amministrativo 4,7
Life Science
Personalizzazione del trattamento a partire dall'analisi
dei dati di coorti di pazienti con caratteristiche simili 4,7
Personalizzazione del trattamento a partire dall'analisi
dei dati di coorti di pazienti con caratteristiche simili 4,7
Procurement Automazione attività di back-office e replacement di
& Supply task attualmente svolti da personale amministrativo 4,6
chain Realizzazione di device che interagiscono attivamente
con il paziente 4,6
Supporto ai medici nello svolgimento di attività cliniche 4,5
Società
scientifiche
Figura 9 - Azioni prioritarie: finanziare le tecnologie e acquisire nuove competenze (voto medio: min 1 - max 5)
Healthcare provider Procurement & Supply chain
Investire per la prima volta in progetti 25% Ha già svolto procedure di acquisto
40% 40% e tecnologie di AI collegate a prodotti/servizi basati sull’AI
Continuare ad investire in progetti e 50% No, ma ritiene di dover attivare dei programmi
tecnologie di AI di formazione o altri investimenti in materia di AI
Non so 25% No, ma pensa di doversi preparare a
20% svolgerne in futuro
Quanto sono importanti oggi le seguenti competenze Quanto sono importanti oggi le seguenti competenze
per la diffusione dell'AI? per la diffusione dell'AI?
4,6 Competenze tecnico-specialistiche per l’utilizzo di prodotti e 4,7 Competenze sui prodotti e tecnologie di AI per la sanità
tecnologie di AI (es. data scientist)
4,7 Competenze tecnico-specialistiche per l’utilizzo di prodotti
4,5 Competenze sui prodotti e tecnologie di AI per la sanità e tecnologie di AI (es. data scientist)
4,4 Capacità di valutazione economica degli investimenti in AI 3,7 Capacità di valutazione economica degli investimenti in AI
3,9 Competenze di tipo regolatorio 3,0 Competenze di tipo regolatorio
10% Aziende Life Science Società scientifiche
20%
Investire per la prima volta in progetti Erogare iniziative formative in AI
e tecnologie di AI verso Aziende Ospedaliere private
50% 50%
Continuare ad investire in progetti e Erogare iniziative formative in AI
tecnologie di AI verso Aziende operanti nel settore
Life Science (Aziende farmaceutiche,
70% Non so Aziende di Medical Device)
Quanto sono importanti oggi le seguenti competenze Quanto sono importanti oggi le seguenti competenze
per la diffusione dell'AI? per la diffusione dell'AI?
4,0 Competenze sui prodotti e tecnologie di AI per la sanità 4,5 Competenze sui prodotti e tecnologie di AI per la sanità
3,9 Competenze di tipo regolatorio 4,5 Capacità di valutazione economica degli investimenti in AI
3,8 Capacità di valutazione economica degli investimenti in AI 4,0 Competenze tecnico-specialistiche per l’utilizzo di prodotti
e tecnologie di AI (es. data scientist)
3,8 Competenze tecnico-specialistiche per l’utilizzo di prodotti
e tecnologie di AI (es. data scientist) 3,0 Competenze di tipo regolatorio
14Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
In generale, le principali prospettive Con riferimento alle competenze, gli I principali ostacoli che gli stakeholder
di sviluppo, per tutte le categorie di intervistati sottolineano l’importanza percepiscono sono ascrivibili a due
stakeholder, sono legate alla medicina dello sviluppo di adeguate capacità tematiche, una collegata all’assenza o
personalizzata e all’automazione professionali in grado di diffondere alla bassa qualità dei dati clinici oggi
dei processi. La personalizzazione dei l’AI all’interno delle organizzazioni. In esistenti (data awareness); una seconda,
trattamenti è la principale potenzialità particolare, le competenze che risultano di tipo più culturale e organizzativo,
che gli stakeholder si aspettano dall’AI: maggiormente richieste interessano di resistenza al cambiamento (AI
per gli healthcare provider e le aziende la filiera in maniera trasversale: se per acceptance).
life science si tratta di un elemento le aziende del life science, le centrali
La bassa disponibilità/qualità dei dati
molto importante, avendo registrato un d’acquisto e le società scientifiche sono
è legata al ritardo della digitalizzazione
punteggio medio di 4,7 (su una scala da di prioritaria importanza le competenze
del settore che, ad esempio, presenta
1 a 5). sui prodotti e sulle tecnologie di AI
ancora oggi una scarsa diffusione e
(voto medio di importanza attribuita
Un’ulteriore tematica che risulta adozione della cartella clinica elettronica
alle competenze rispettivamente 4,0 e
prioritaria per gli intervistati è quella (CCE). La mancata digitalizzazione
4,7); per gli healthcare provider, invece,
relativa all’automatizzazione di alcuni del Sistema Sanitario, infatti, porta a
risultano di capitale importanza le skills
compiti, sia in termini di supporto ai una limitata fruibilità del dato clinico
tecnico-specialistiche per l'utilizzo dei
medici nello svolgimento delle attività conseguente alla mancanza di database
prodotti che sfruttano l'AI (voto medio di
cliniche e nel processo decisionale di qualità su cui innestare sistemi basati
importanza 4,6 su una scala da 1 a 5).
(ritenuta importante per gli healthcare sugli algoritmi tipici dell’AI.
provider e le società scientifiche), sia Oltre alle potenzialità e alle azioni da
La seconda è rappresentata dalla
nei processi di back office sanitario e intraprendere, gli intervistati segnalano la
possibile resistenza al cambiamento,
amministrativo (ritenuta importante presenza di alcune barriere che rischiano
dovuta alla percezione non positiva
soprattutto per centrali d’acquisto e di limitare o rallentare la diffusione su
degli impatti dell’AI sui processi e sulle
aziende life science). larga scala dell’Artificial Intelligence
modalità organizzative da parte della
all’interno del settore sanitario.
Infine, per gli attori della supply chain forza lavoro.
l’AI può avere un ruolo importante per
l’incremento delle indagini di real word
evidence e per il miglioramento della
qualità della ricerca clinica.
Le azioni prioritarie emerse dall’analisi Figura 10 - Barriere: mancata digitalizzazione e resistenza al cambiamento
delle risposte individuano due aree (voto medio: min 1 - max 5)
di intervento: quella di dotarsi delle Healthcare Aziende Società Procurement
provider Life Science scientifiche & Supply chain
capacità finanziarie necessarie ad
affrontare questo investimento;
quella legata all’assenza di
Scarsa diffusione di sistemi pervasivi
competenze adeguate allo sviluppo 4,6 di cartella clinica elettronica 4,4 4,1 5,0 4,7
e/o all’acquisizione delle capacità
professionali, propedeutiche alla Resistenza al cambiamento dovuta
realizzazione di un progetto di AI e al 4,4 all’impatto sui processi e modalità 4,1 4,0 5,0 4,7
organizzative
successivo utilizzo di quanto prodotto.
In generale, tutti gli intervistati mostrano Mancanza di conoscenza e di
4,0 3,9 5,0 4,3
4,3 competenze sull’uso della tecnologia
un certo interesse nei confronti dell’AI,
dichiarando che nel prossimo futuro
Qualità delle basi dati e dei processi di
continueranno a utilizzare e investire 4,0 generazione e gestione del dato clinico 4,3 3,9 4,0 3,7
risorse (40% di healthcare provider,
Incertezza dell’entità dell’investimento
70% aziende di life science, 50% centrali
richiesto all’azienda nel lungo periodo
di acquisto). Tra le priorità restituite 3,9 (manutenzione, evoluzione) e del 4,1 3,4 4,5 3,7
dalle survey emergono le piattaforme relativo ritorno economico
proprietarie volte all'analisi dei dati
clinici e allo sviluppo di nuovi servizi per
i clienti.
15Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario 16
Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
L’AI Industry Foresight
La metodologia Figura 11 - Metodologia Industry Foresight applicata all’AI
L’Industry Foresight è una metodologia
utilizzata per analizzare le possibili 1. Driver
evoluzioni all’interno di un settore
Il punto di partenza è rappresentato dai principali driver emersi
oppure di uno specifico tema4. La
dalle analisi di ecosistema: acceptance e data awareness.
Community ha deciso di utilizzare tale
approccio per il settore dell’Intelligenza
Artificiale, come riportato in Figura 11.
Partendo dagli aspetti più significativi 2. Trend
derivanti dalla survey, Data awareness e Per ciascun driver, abbiamo individuato i possibili trend futuri
AI acceptance, per ciascuno di essi sono immaginando due visioni: una ottimistica (+) e una pessimistica (-).
stati individuati i possibili trend futuri
immaginando due visioni contrapposte
(ottimistica e pessimistica). Sulla base
dei trend sono stati ipotizzati quattro 3. Scenari
possibili scenari che sono il risultato
Sulla base dei trend individuati, abbiamo ipotizzato quattro
della convergenza delle visioni dei due
possibili scenari che sono il risultato della convergenza delle
driver. Gli impatti di ciascuno scenario
visioni dei due driver.
sono stati declinati per i principali
stakeholder dell’ecosistema (Healthcare
provider, Pazienti, Aziende di medical
device, Società scientifiche, Centrali di 4. Impatti
acquisto ed Enti della supply chain). Gli scenari individuati sono stati declinati sui singoli stakeholder
dell’ecosistema salute al fine di comprenderne i possibili impatti.
17Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
I trend: le dinamiche dell'acceptance e della data awareness
Di seguito si riportano i trend dell'acceptance e della data awareness nelle loro visioni ottimistiche e pessimistiche.
Figura 12 - I possibili trend di evoluzione futura dell'acceptance
I medici saranno sempre più propensi all’utilizzo dell’AI per effetto di evidenze scientifiche (risultanti dal numero crescente
+ di studi e pubblicazioni), condizioni favorevoli dell’assetto regolatorio, diminuzione del numero di medici e spinta dai
pazienti. Si avvieranno processi volti all’acquisizione di nuove competenze per un utilizzo consapevole degli strumenti
e allo sviluppo di progettualità significative in ambito pubblico e privato. L’innovazione caratterizzerà tutte le fasi del
processo clinico-assistenziale, dalla prevenzione alla diagnosi fino alla cura e la presa in carico nel tempo. L’AI si affermerà
quindi come supporto in grado di migliorare la produttività dei medici e la qualità delle loro attività, senza tuttavia farne
venire meno la centralità all’interno del rapporto sistema sanitario-cittadino.
I pazienti saranno più propensi all’utilizzo dell’AI grazie al miglioramento dell’accesso alla sanità introdotto da tali sistemi
in termini di semplicità, velocità ed efficienza (es. gestione autonoma dell’accesso a prime visite o visite di follow-up tramite
la telemedicina). Il paziente avvertirà un maggiore coinvolgimento in tutte le fasi di cura e sarà in grado di comprendere
Acceptance
la rilevanza che la qualità dei propri dati clinici digitalizzati assumerà in relazione ai suoi processi di cura. Anche la scelta
della struttura a cui rivolgersi potrà essere influenzata dalla disponibilità di tecnologie avanzate di AI.
Non si riuscirà a produrre evidenza a supporto dei sistemi di AI e della loro capacità di incidere sui processi clinici
e sugli esiti. Si assisterà a una situazione di incertezza nel contesto regolatorio, senza l’affermarsi di standard e
riferimenti. I medici non riporranno piena fiducia nell’AI e non contribuiranno allo sviluppo di questa tecnologia che
considereranno antagonista o ingerente. Non si svilupperanno processi di formazione e aggiornamento professionale.
Verranno a mancare le risorse per la realizzazione di progettualità su larga scala. Saranno invece possibili iniziative di
nicchia in alcuni ambiti specifici e presso contesti favorevoli alla sperimentazione e all’innovazione.
I risultati di tali sperimentazioni, unitamente all’enfasi mediatica che continuerà a interessare il fenomeno nei prossimi
anni, spingeranno comunque i pazienti a una maggiore propensione verso la domanda di tali tecnologie, rischiando
- di portare a una conflittualità latente tra modelli di sanità tradizionale e di sanità digitale, rendendo più complesso
il rapporto medico-paziente.
Figura 13 - I possibili trend di evoluzione futura della data awareness
La qualità del dato (non solo accuratezza, completezza e tempestività, ma anche rappresentatività e attendibilità) sarà
+ prerequisito per poter utilizzare tecnologie di intelligenza artificiale in molti ambiti di assistenza sanitaria. La maggior
parte delle organizzazioni che trattano dati sanitari implementerà strategie di Data Quality Management (DQM) e
Data Governance. Aumenterà in maniera esponenziale la quantità di dati disponibili da integrare nei dataset
clinici tradizionali per effetto della definitiva affermazione dell’IoT, sia in ambito ospedaliero, sia in ambito consumer.
L’aumento della quantità di dati sarà alimentato anche dalla disponibilità di capacità elaborative sempre maggiori
che renderanno possibili analisi in tempi estremamente ridotti. All’esplosione della quantità di dati corrisponderà
l’avanzamento dei sistemi di cyber security che ne garantiranno un’elevata protezione, aumentando la propensione dei
Data Awareness
pazienti a mettere a disposizione i propri dati personali e a curarne personalmente la qualità.
Il contesto regolatorio si occuperà di normare aspetti relativi alla raccolta e all’analisi della qualità dei dati che sono alla
base di algoritmi di AI anche attraverso la creazione e la diffusa adozione di standard specifici per la realizzazione e
l'impiego di algoritmi. Si affineranno e consolideranno ulteriormente standard e tecnologie di interoperabilità.
Non si svilupperà ai vari livelli la necessaria consapevolezza relativamente all’esistenza di una forte correlazione tra
qualità del dato e performance delle tecnologie basate sull’intelligenza artificiale. La scarsa attenzione alla qualità
del dato non renderà pienamente sfruttabile la grande quantità di dati generati e le capacità di elaborazione messe
a disposizione dal cloud. I medici saranno i primi a non fidarsi dell'AI a causa di risposte non soddisfacenti derivanti
dalla qualità dei dati con cui sono stati addestrati e istruiti i sistemi. Le attuali problematiche legate alla sicurezza e alla
protezione dei dati sensibili continueranno a essere presenti e aumenteranno la vulnerabilità dei sistemi ai cyber
- attack. Diminuirà di conseguenza la volontà dei pazienti di mettere a disposizione i propri dati personali e contribuire alla
loro qualità.
18Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
I quattro scenari futuri dell'AI +
Selezione Alleanza
Dall’analisi congiunta dei trend futuri è possibile individuare quattro possibili scenari + +
prospettici dell’AI in sanità.
Acceptance
- +
Illusione Competizione
- -
- +
-
- Data Awareness +
Il primo dei futuri possibili: l’Illusione - -
Lo scenario dei prossimi 5-10 anni sarà governance, mentre a livello regolatorio dall’introduzione dell’AI in altri settori,
caratterizzato da bassa consapevolezza i requisiti imposti dal GDPR saranno spingeranno i pazienti a un maggiore
dell’importanza della qualità del dato approcciati più come adempimento coinvolgimento e commitment verso
e bassa accettabilità dei sistemi che formale che opportunità sostanziale. tali sistemi e a desiderarli anche al di
sfruttano l’AI da parte della workforce fuori dei canali ufficiali. In tale scenario,
L’assetto che si configurerà a seguito
clinica. Anche il sistema regolatorio non entreranno sul mercato nuovi player
della disponibilità di dati di bassa
favorirà un maggiore utilizzo dell’AI. che cercheranno di superare i limiti
qualità, influirà anche sull’accettabilità
attuali con l’introduzione di nuovi sistemi
La qualità del dato non sarà percepita da parte della workforce clinica, che
e APP indirizzate al miglioramento
come prioritaria per il miglioramento utilizzerà l’AI solo in alcuni ambiti
della patient experience (es. sistemi di
delle performance delle tecnologie di AI più classici e meno rischiosi, volti
autodiagnosi). Anche i player storici si
limitandone gli utilizzi. Non migliorerà al miglioramento ed efficientamento
muoveranno nella stessa direzione
l’attuale interoperabilità tra le fonti, non dei processi, dall’automazione delle
consumer oriented, ma la diffusione
saranno applicati nuovi standard, attività amministrative alla raccolta
dell’AI in sanità sarà inferiore a quella
le aziende non investiranno in data dati. D’altra parte, i risultati raggiunti
registrata in altri settori.
Il secondo dei futuri possibili: la Selezione + -
Lo scenario dei prossimi 5-10 anni sarà domanda in alcune applicazioni molto Si avvieranno anche processi volti
caratterizzato da bassa consapevolezza verticali e sicure dal punto di vista della all’acquisizione di nuove competenze
dell’importanza della qualità del dato qualità del dato, mentre saranno più da parte dei medici per un utilizzo
e alta accettabilità dei sistemi che attendiste nello sviluppo di algoritmi sempre più consapevole degli strumenti.
sfruttano l’AI da parte della workforce performanti basati sull’integrazione di Allo stesso tempo, la collaborazione della
clinica e dei pazienti. più fonti dati. clinical workforce sarà fondamentale
per il miglioramento del bias e per
La qualità del dato (intesa come validità, La workforce clinica, per effetto di
avviare processi di curation dei dati e
accuratezza, completezza e tempestività) evidenze scientifiche e nuovi studi,
selezione delle fonti. Saranno i medici
non sarà ancora percepita come comprenderà le possibilità e i
stessi a collaborare per individuare alcuni
prioritaria per il miglioramento delle vantaggi offerti dalle tecnologie di AI
casi di applicazione limitati e circoscritti.
performance delle tecnologie di AI e sarà sempre più propensa all’utilizzo
In questo scenario, il rapporto con i
limitandone l’affidabilità e l’utilità non solo in ambiti classici (volti al
pazienti tenderà a cambiare verso
reale ad alcuni ambiti selezionati. Le miglioramento ed efficientamento dei
una riconfigurazione che vede l’AI come
aziende, infatti, spinte dalle aspettative processi), ma anche ambiti innovativi
mezzo di supporto e intermediario.
e dall’interesse di medici e pazienti, come virtual assistant a letto del
saranno orientate a soddisfare la paziente e sistemi di telemedicina.
19Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Il terzo dei futuri possibili: la Competizione - +
Lo scenario dei prossimi 5-10 anni sarà maggiori, riducendo i tempi di calcolo e Tuttavia, tale propensione non sarà
caratterizzato da alta consapevolezza aumentando la precisione e l’accuratezza corrisposta in ugual modo dalla
dell’importanza della qualità del dato dei sistemi. L’avanzamento dei sistemi workforce clinica, che considererà l’AI
ma bassa accettabilità dei sistemi che di cyber security garantirà l’elevata antagonista o ingerente. Si profilerà
sfruttano l’AI da parte della workforce protezione dei dati. La maggiore una competizione tra sanità digitale e
clinica. consapevolezza del dato richiederà sanità analogica, alimentata dal fatto
ingenti investimenti in nuove piattaforme che nelle organizzazioni più tradizionali
La qualità del dato (intesa come
di raccolta, cura e gestione dei dati management e professional non si
validità, accuratezza, completezza e
(data lake, hadoop) e nel collegamento lasceranno convicere a modificare i loro
tempestività) sarà percepita come
di queste con nuove fonti dati (IoT, approcci tradizionali, e nel frattempo
prioritaria per il miglioramento delle
sensori indossabili dal paziente, nuove nuovi digital healthcare provider
performance delle tecnologie di AI e la
attrezzature diagnostiche, riprese video entreranno sul mercato con modelli di
maggior parte delle organizzazioni
e registrazioni audio). Allo stesso tempo, erogazione completamente nuovi e in
implementerà strategie di Data
gli enti regolatori si muoveranno verso la piena competizione, soprattutto in ambiti
Quality Management. Le evoluzioni
creazione di standard specifici. a bassa complessità ma alta frequenza di
tecnologiche permetteranno di
cura (es: cronicità, cure primarie, salute
ottenere capacità elaborative sempre
mentale).
Il quarto dei futuri possibili: l’Alleanza + +
Lo scenario dei prossimi 5-10 anni sarà gli enti regolatori si muoveranno verso anche processi volti all’acquisizione
caratterizzato da alta consapevolezza la creazione di standard specifici in di nuove competenze da parte dei
dell’importanza della qualità del dato materia di AI e sarà possibile integrare medici per un utilizzo sempre più
e alta accettabilità dei sistemi che le tecnologie (APP cliniche) nei consapevole degli strumenti. Il paziente
sfruttano l’AI da parte della workforce processi assistenziali attraverso la loro avvertirà un maggiore coinvolgimento
clinica. prescrivibilità. In questo scenario, l’elevata in tutte le fasi di cura e sarà in grado
qualità dei dati e la selezione delle fonti di comprendere la rilevanza che la
La qualità del dato (intesa come validità,
permetterà di realizzare i potenziali qualità dei propri dati clinici digitalizzati
accuratezza, completezza e tempestività)
insiti nella progressiva e sempre più assume in relazione ai suoi processi di
sarà percepita come fondamentale
piena interoperabilità tra le basi dati che cura. In questo scenario, il rapporto
per il miglioramento delle performance
il consolidamento di API (Application medico-paziente evolverà verso una
delle tecnologie di AI e la maggior parte
Programming Interface) e altre innovazioni riconfigurazione che vede l’AI come mezzo
delle organizzazioni implementerà
renderanno possibile. di supporto e intermediazione.
strategie di Data Quality Management
e Data Governance. Le evoluzioni La workforce clinica, per effetto di I medici considereranno quello in
tecnologiche permetteranno di ottenere evidenze scientifiche e nuovi studi, modalità virtuale (mobile health,
capacità elaborative sempre maggiori, comprenderà le possibilità e i vantaggi telehealth) l'approccio di default per il
riducendo i tempi di elaborazione e offerti dalle tecnologie di AI e le trattamento del paziente, riservando
aumentando la precisione e l’accuratezza utilizzerà in tutte le fasi del processo alla tradizionale erogazione in presenza
dei sistemi. L’avanzamento dei sistemi clinico-assistenziale, dalla prevenzione alla della prestazione (attività ambulatoriale e
di cyber security garantirà l’elevata diagnosi, dalla prognosi fino alla cura e la ricovero in ospedale) uno spazio sempre
protezione dei dati. Allo stesso tempo, presa in carico nel tempo. Si avvieranno più limitato del loro tempo.
20Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Gli impatti sugli stakeholder della sanità
Gli scenari appena individuati sono stati presentati e raffinati sui singoli stakeholder dell’ecosistema salute (healthcare provider,
pazienti, aziende life science, società scientifiche, centrali di acquisto ed enti della supply chain), al fine di comprenderne
i possibili impatti. Per ciascuno di essi, l’Advisory Board della Health Care Med Tech Community ha contribuito a identificare la
relativa probabilità di accadimento in un orizzonte temporale di 5 e 10 anni. Di seguito si riportano gli impatti nei diversi scenari.
Figura 14 - Scenario illusione: micro-scenari probabilità a 5 e 10 anni
- - Impatto Probabilità di accadimento
Abbastanza Molto
Stakeholder Micro-scenario Basso Medio Alto Improbabile
probabile probabile
La clinical workforce non riporrà piena fiducia nei
sistemi che utilizzano l’AI, considerandoli in alcuni casi
d’ostacolo nel rapporto tradizionale medico-paziente.
L’AI si affermerà mainstream nell’automazione dei
5 a n ni
processi e nello svolgimento di attività amministrative
– es. automazione pagamenti, lettura di documenti
Healthcare
ed estrazione dati – o nel miglioramento del processo
provider
diagnostico – es. applicazioni del deep-learning ai sistemi
di imaging all'interno del RIS - PACS e del CIS. Non
saranno colte in pieno le promesse e le potenzialità che
caratterizzano l’AI quali, ad esempio, virtual assistant,
10 a n ni
sistemi di supporto decisionale e di interazione medico-
paziente a distanza.
Nasceranno nuovi sistemi patient-oriented (es. app
5 a n ni
per tracciare l’avanzamento del proprio stato di salute,
sistemi di autodiagnosi tramite fotocamera o questionari
di autovalutazione), e i pazienti cercheranno sempre
Pazienti maggiore coinvolgimento nel processo di cura. Tuttavia,
tale trend non sarà pienamente colto a causa dei limiti
sulla qualità dei dati e sull’accettabilità dei medici (es. i
dati raccolti tramite le app non saranno pronti per essere 10 a n ni
integrati tra i dati clinici dei pazienti).
Le aziende del comparto LS non utilizzeranno l’AI per
cambiare in maniera pervasiva il loro modello di business
a causa della diffidenza dei medici e delle difficoltà di
applicazione pratica. Altri soggetti diversi potrebbero
5 a n ni
Aziende però entrare sul mercato consumer sfruttando la
life science propensione all’uso dell’AI che si diffonderà tra i pazienti.
In alcuni casi la difficoltà di replicare le performance
dimostrate dagli algoritmi in vitro anche in vivo (ossia
all’interno dell’ambiente di lavoro reale) ostacolerà
10 a n ni
soprattutto in ambito diagnostico utilizzi spinti dell’AI.
21Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
- - Impatto Probabilità di accadimento
Abbastanza Molto
Stakeholder Micro-scenario Basso Medio Alto Improbabile
probabile probabile
Le società scientifiche e il mondo della ricerca non
considereranno centrale l’AI in sanità nella definizione di
linee guida e protocolli, né nella estrazione di evidenze
consolidate dalla grande mole di lavori in letteratura
5 a n ni
Società scientifica. Un numero limitato di studi di Health
scientifiche Technology Assessment (HTA) sarà collegato all’AI al fine
di cogliere legami tra la tecnologia e l’outcome derivante.
La comunità scientifica non spingerà in maniera
significativa l’adozione di queste tecnologie all’interno dei
10 a n ni
propri protocolli e raccomandazioni.
L’AI non rappresenterà una voce di spesa significativa
per i soggetti aggregatori pubblici e continuerà a essere
acquistata dai singoli ospedali oppure incorporata in
5 a n ni
Supply chain
acquisti di tecnologie a più ampio spettro. In altre parole
l’AI si affermerà più come funzionalità a corollario che
non come tecnologia abilitante.
10 a n ni
22Prospettive, potenzialità, impatti e modelli dell’Artificial Intelligence in ambito sanitario
Figura 15 - Scenario selezione: micro-scenari e probabilità a 5 e 10 anni
+ - Impatto Probabilità di accadimento
Abbastanza Molto
Stakeholder Micro-scenario Basso Medio Alto Improbabile
probabile probabile
Gli healthcare provider disporranno maggiori risorse in
progetti che contemplano tali tecnologie. La workforce
clinica utilizzerà tali tecnologie e le richiederà. Oltre 5 a n ni
all’affermarsi nell’automazione dei processi e nello
Healthcare
svolgimento di attività amministrative, si svilupperanno
provider
progettualità di più ampio spettro che coinvolgeranno
l’intero processo clinico-assistenziale realizzando ad
esempio sistemi di telemedicina e virtual assistant a letto 10 a n ni
del paziente.
Alcuni pazienti beneficeranno in maniera significativa
dell’AI, in funzione delle nicchie in cui la stessa si
affermerà come standard de facto. I pazienti saranno
sempre più coinvolti nel processo clinico-assistenziale e
5 a n ni
si assisterà a un inizio di riconfigurazione del rapporto
Pazienti medico-paziente e un miglioramento dell’accesso alla
sanità (es. la telemedicina diminuirà le liste d’attesa e
si configurerà come una nuova modalità di accesso).
Tuttavia, l’AI non sarà ancora mainstream e non si
svilupperanno le applicazioni più innovative a causa dei
10 a n ni
limiti sulla qualità dei dati.
Le aziende del comparto LS cominceranno a utilizzare
5 a n ni
l’AI per cambiare il loro modello di business grazie
all’accettabilità e alla spinta da parte di medici e pazienti.
Tuttavia la qualità del dato non sarà ancora considerata
Aziende fondamentale portando così ad applicazioni in alcuni
life science ambiti specifici (es. telemedicina/virtual assistant al
letto paziente) senza ancora raggiungere le applicazioni
più innovative (es. sistemi di supporto decisionale).
I produttori si concentreranno in ambiti specifici in
10 a n ni
funzione della loro readiness complessiva e profittabilità.
Le società scientifiche e il mondo della ricerca, spinti da
medici e pazienti, cominceranno a definire linee guida
riguardanti alcune applicazioni di nicchia dell’AI in sanità 5 a n ni
Società (es. sistemi di teleconsulto). Un numero crescente
scientifiche di studi di Health Technology Assessment (HTA) sarà
10 a n ni
collegato all’AI al fine di cogliere legami tra la tecnologia
e l’outcome derivante, ma non sempre saranno
soddisfacenti a causa della scarsa qualità dei dati.
5 a n ni
L’AI sarà una voce di spesa più rilevante per i soggetti
aggregatori pubblici. Tuttavia, continuerà a essere
Supply chain acquistata dai singoli ospedali per alcuni ambiti specifici.
Non si prevedono gare centralizzate a livello regionale
e/o nazionale. 10 a n ni
23Puoi anche leggere
