Articolo tratto da
TREND by itasascom
Speciale Machine Learning
Scaricalo gratuitamente
Intervista a Giuseppe Preziosi, Head of Data Warehouse and Business Intelligence Competency Center di Lombardia Informatica
Lombardia Informatica ha scelto SAS® Visual Data Mining e Machine Learning
Con il supporto di Giuseppe Preziosi, Head of Data Warehouse and Business Intelligence Competency Center di Lombardia Informatica, entriamo nel mondo della sanità e della prevenzione attraverso un uso efficace del Machine Learning.
Gli algoritmi di Machine Learning, così come tecniche di Data Mining, Data Processing o Intelligenza Artificiale, sono ciò che guidano il radicale cambiamento che stiamo vivendo nella sanità. Una trasformazione che, dalla prospettiva umana, dei cittadini di un paese e del loro benessere, deve essere guidata e compresa. Le tecnologie rappresentano un sogno realizzabile nell’ambito sanitario e medico se impariamo ad usarle correttamente e in modo sicuro, a partire da come utilizziamo in modo etico i dati.
Per spiegare cosa si intente per uso etico del machine learning devo necessariamente parlare di eudemonia (più fedelmente al greco, eudaimonia), intesa come il benessere o lo star bene in quanto fine ultimo assegnato agli uomini e alle loro azioni; non è la semplice felicità ma la prosperità come scopo. Potremmo identificarla come la tendenza naturale dell’essere umano a voler star bene.
Questi concetti sono fondamentali perché oggi non possiamo parlare di machine Learning senza approfondire l’etica; l’obiettivo è dare priorità all’aumento del benessere umano come parametro del progresso nell’era degli algoritmi.
Gli algoritmi di Machine Learning, così come tecniche di Data Mining, Data Processing o Intelligenza Artificiale, sono ciò che guidano il radicale cambiamento che stiamo vivendo nella sanitàGiuseppe Preziosi Head of Data Warehouse and Business Intelligence Competency Center Lombardia Informatica
Nel mondo sanitario l’integrazione e l’utilizzo di fonti di dati diverse portano vantaggi inimmaginabili. Lombardia Informatica e Regione Lombardia hanno avuto la lungimiranza di raccogliere e così costruire la storia clinica degli ultimi vent’anni di oltre 10 milioni di cittadini. Dati importantissimi che (trattati nel pieno rispetto della protezione e della tutela della privacy) possono contribuire a generare enormi benefici per l’intera popolazione.
Una delle potenzialità maggiori del Machine Learning applicato al mondo sanitario deriva dall’analisi epidemiologiche per analizzare precocemente i rischi di salute pubblica; un altro esempio concreto di cui già oggi si iniziano a vedere i benefici effetti sui pazienti riguarda la medicina di precisione: la possibilità di avere grandi moli di dati porta all’identificazione di cure personalizzate delineate a misura di ogni singolo individuo.
I pazienti con malattie croniche rappresentano circa il 30-35% della popolazione lombarda (3,2 milioni di cittadini su una popolazione totale di più di 10 milioni di individui) ma da soli consumano circa il 70% delle risorse sanitarie della Regione, in perfetta logica paretiana. E il dato è destinato ad aumentare.
In questo scenario Regione Lombardia è pioneristica perché ha lavorato allo sviluppo di modelli predittivi in grado di associare ad ogni singolo individuo, in funzione della propria storia clinica e del proprio stile di vita, la probabilità di sviluppare una specifica patologia cronica. Un modello attraverso il quale è poi possibile, ad oggi, prevedere la spesa pubblica e quindi organizzare al meglio le risorse, un domani anche identificare cure e percorsi clinici personalizzati virtuosi.
30%
Percentuale di pazienti con malattie croniche in Lombardia,
equivalente a 3,2 milioni di cittadini
70%
Percentuale di risorse sanitarie consumata da pazienti con malattie croniche
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.