Dati e decisioni cliniche: l'AI al servizio della medicina d’eccellenza

Negli ultimi anni, l’intelligenza artificiale ha progressivamente guadagnato terreno nell’ambito della sanità, affermandosi come strumento cruciale per il supporto alle decisioni cliniche, la diagnostica avanzata e l’ottimizzazione dei trattamenti terapeutici.

ISMETT è un centro di eccellenza e una realtà pionieristica nell’adozione di soluzioni innovative basate sull’AI. Ed è infatti in questo contesto che si inserisce il progetto ECMO, una sperimentazione avanzata volta a sviluppare strumenti predittivi e di supporto clinico per il trattamento di pazienti in condizioni critiche affetti da insufficienza respiratoria.

La collaborazione con SAS ha permesso di realizzare modelli di machine learning capaci di migliorare la precisione e l’efficacia delle cure, con un potenziale impatto significativo sulla gestione dei pazienti e sull’ottimizzazione delle risorse cliniche. SAS viene utilizzato dal Servizio di Statistica e Data Management per scopi di ricerca ed è utilizzata anche a supporto delle valutazioni statistiche e predittive in favore di attività gestionali dell'istituto.

Per comprendere meglio l’approccio di ISMETT, abbiamo intervistato Gennaro Martucci, esperto clinico, Direttore dell’unità di anestesia pediatrica, e Fabio Tuzzolino, Coordinatore del Servizio di Statistica e Data Management, entrambi protagonisti dell’integrazione delle tecnologie AI nei processi sanitari dell’istituto.

L’Intelligenza Artificiale è spesso percepita come una rivoluzione per la medicina, ma quali sono le sue reali potenzialità e i suoi limiti?

Gennaro Martucci: L’intelligenza artificiale rappresenta una straordinaria opportunità, ma come tutte le innovazioni dirompenti porta con sé un dualismo tra aspettative e realtà. Se ben applicata, può migliorare enormemente la diagnosi, la predizione degli effetti dei trattamenti e l’accuratezza delle cure. Tuttavia, il rischio è che venga utilizzata in modo acritico, magari per ridurre l’impegno umano più che per ottimizzare la qualità dell’assistenza. La nostra visione è chiara: l’AI deve essere un supporto al medico, non un sostituto. L’intelligenza clinica rimane insostituibile.

Fabio Tuzzolino: Concordo. Il valore dell’AI emerge quando è usata come strumento di validazione e supporto, non come decision-maker autonomo. Pensiamo al caso della diagnostica per immagini: un algoritmo ben allenato può identificare anomalie con una precisione straordinaria, ma spetta al medico interpretare il contesto clinico. In questo senso, l’AI aiuta a ridurre il margine di errore, ma la competenza umana rimane centrale.

ISMETT ha avviato diverse sperimentazioni basate su AI. Qual è il ruolo dell’intelligenza artificiale nella vostra strategia clinica?

Gennaro Martucci: Il nostro approccio è pragmatico: siamo un centro di eccellenza altamente informatizzato e da tempo integriamo soluzioni basate su AI nei nostri processi. Per esempio, i nostri sistemi di diagnostica per immagini già sfruttano algoritmi avanzati per la ricostruzione e l’analisi predittiva. Inoltre, ci stiamo concentrando sullo sviluppo di strumenti di telemedicina con AI per garantire una cura continua ai pazienti cronici, minimizzando il rischio di frammentazione delle cure. Un altro aspetto fondamentale è la formazione dei giovani medici. L’AI può essere uno straordinario strumento di mentoring, affiancando i clinici meno esperti nei processi decisionali attraverso sistemi di supporto personalizzati. Questo è particolarmente rilevante in settori come i trapianti e le terapie intensive, dove l’esperienza conta enormemente e dove l’AI può fornire dati di confronto utilissimi.

Fabio Tuzzolino: Dal mio punto di vista, l’AI è uno strumento estremamente potente se usato nel modo corretto. La sua vera forza sta nella possibilità di integrare e analizzare enormi quantità di dati, offrendo un termine di confronto basato su esperienze pregresse. Pensiamo alla diagnostica per immagini o all’anatomia patologica: un algoritmo può confrontare un esame con milioni di casi precedenti e segnalare casi particolari. Questo non significa affidare la decisione all’AI, ma avere un supporto aggiuntivo per il clinico.

Veniamo al progetto ECMO: di cosa si tratta e quale ruolo ha giocato l’intelligenza artificiale?

Gennaro Martucci: Il progetto ECMO nasce con un duplice obiettivo: da un lato migliorare la predittività degli esiti clinici nei pazienti sottoposti a tecniche di ossigenazione extracorporea, dall’altro sviluppare un tool clinico che supporti i medici nella decisione se effettuare o meno una trasfusione in questi pazienti critici.

Grazie alla collaborazione con SAS, abbiamo sviluppato modelli predittivi in grado di stimare con grande precisione l’incidenza della mortalità, fornendo ai clinici uno strumento aggiuntivo per decisioni più tempestive e informate. Il nostro algoritmo predittivo è ormai in una fase avanzata e stiamo valutando come formalizzarlo in una pubblicazione scientifica. L'obiettivo finale è trasformarlo in un vero e proprio strumento operativo, perché, al momento, nel panorama clinico non esiste un sistema di supporto di questo tipo specifico per l’ECMO.

Questa iniziativa è stata possibile grazie all’interazione tra il nostro know-how clinico e le competenze tecnologiche di SAS, che ci hanno permesso di lavorare su dati reali con metodologie avanzate. Siamo convinti che questo approccio rappresenti un passo avanti significativo per la medicina di precisione, permettendo di standardizzare decisioni complesse con il supporto di dati oggettivi.

Perché avete scelto SAS come partner tecnologico?

Fabio Tuzzolino: SAS è una realtà consolidata nel settore dell’analisi avanzata dei dati e della statistica applicata. Nel nostro lavoro, la solidità metodologica è fondamentale: servono strumenti capaci di gestire dataset complessi con precisione e affidabilità. In questo senso, SAS ci ha garantito un vantaggio competitivo rispetto ad altre soluzioni, inclusi gli strumenti open-source. SAS non è solo un alleato nell’AI clinica, ma è anche uno strumento a supporto delle attività gestionali dell'istituto. Lo utilizziamo da anni per l’analisi statistica a supporto delle pubblicazioni scientifiche e a supporto delle attività interne d’Istituto. Grazie alle sue capacità avanzate di gestione e analisi dei dati, ci consente di migliorare l’efficienza operativa, su tutti gli ambiti richiesti.

Lavoriamo molto anche sulla qualità del servizio sanitario, utilizzando ad esempio modelli predittivi per valutare l’indice di miglioramento della sopravvivenza dei pazienti e per supportare i clinici nelle loro attività di ricerca. In sostanza, SAS ci aiuta a trasformare i dati in conoscenza utile sia per la ricerca clinica che per la gestione della struttura.

Guardando al futuro, quali sono le principali sfide nell’integrazione dell’AI nella sanità?

Gennaro Martucci: La sfida più grande è garantire che l’AI venga utilizzata in modo etico ed efficace. L’automazione deve migliorare la qualità dell’assistenza, non diventare un mero strumento di riduzione dei costi. Inoltre, dobbiamo lavorare per una medicina di precisione, in cui ogni trattamento sia calibrato sulle caratteristiche specifiche del paziente, evitando approcci “one-size-fits-all” che spesso non funzionano.

Fabio Tuzzolino: Un’altra sfida chiave è la creazione di una rete sanitaria integrata. L’AI funziona al meglio quando può attingere a una vasta base di dati, ma oggi molte informazioni cliniche rimangono frammentate tra diversi ospedali e istituzioni. Serve un’iniziativa coordinata a livello ministeriale per favorire la condivisione dei dati in un quadro normativo chiaro e sicuro. Solo così potremo sfruttare appieno il potenziale dell’intelligenza artificiale.

15 aprile 2025