Sanità: verso un nuovo rinascimento digitale
Intervista a Giuseppe Preziosi, Head of Data Warehouse and Business Intelligence Competency Center di Lombardia Informatica
Siamo nell’era del Rinascimento digitale, un’era in cui si combina “l’in due time” (nel momento atteso) con la scelta della progettazione. Significa che oggi la crescente disponibilità dei dati unita all’incremento della capacità computazionale offrono infinite e straordinarie possibilità di trasformazione e innovazione, in tutti i campi.
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.
Giuseppe Preziosi, Head of Data Warehouse and Business Intelligence Competency Center di Lombardia Informatica
Benessere dei cittadini tra prevenzione e tecnologie avanzate: un sogno realizzabile?
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.
Il Machine Learning applicato alla sanità può generare nel grande pubblico dubbi e perplessità, ma le potenzialità sono enormi. Ce ne illustra qualcuna?
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.
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
Malattie croniche e sanità pubblica: che aiuto stanno dando algoritmi e advanced analytics?
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.
Articolo tratto da
Trend by itasascom
Speciale Machine Learning
Letture consigliate
-
ARTICOLO
IFRS 9 and CECL: The challenges of loss accounting standardsThe loss accounting standards, CECL and IFRS 9, change how credit losses are recognized and reported by financial institutions. Although there are key differences in the standards for CECL (US) and IFRS 9 (international), both require a more forward-looking approach to credit loss estimation.
-
ARTICOLO
Marketers and privacyCompanies that break new privacy laws get fined heavily, but there may be an even greater cost: A damaged reputation.
-
ARTICOLO
Next generation anti money laundering: robotics, semantic analysis and AIAnti-money laundering taken to it's next level is sometimes referred to as AML 2.0 or AML 3.0. What does this next wave of AML technology look like? What can it do that you can’t do with traditional AML? See the results innovative financial institutions around the globe are already getting.
-
ARTICOLO
Game-changing technologies turn IIoT data into goldThe real value of IoT lies in its data. Maciej Kranz says technologies like edge and fog computing, machine learning and AI can unlock the hidden value in data from the IIoT.
Ready to subscribe to Insights now?
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.
Subscribe to Insights newsletter