Gli Stati Uniti spendono molto per la sanità, circa il 18% del loro PIL o 9.400 dollari pro capite, quasi il doppio di quanto spendono altri paesi ad alto reddito come il Canada, il Regno Unito, la Germania e l’Australia. T
anto per avere un’idea l’Italia spende 149,5 milioni di euro con un’incidenza sul Pil dell’8,9%.
Nonostante questa massa di denaro le lamentele sulla efficienza della spesa sanitaria sono comuni a molti Paesi, ma un suo aumento non porta necessariamente a risultati migliori.
Gli studi dimostrano che molti dei paesi che spendono meno degli Stati Uniti vedono risultati migliori nella salute dei loro cittadini.
Secondo un nuovo rapporto pubblicato dal Journal of the American medical association (Jama), poco meno della metà della spesa sanitaria statunitense è destinata alla pianificazione, regolamentazione e gestione dei servizi medici a livello amministrativo.
Intelligenza artificiale per esaminare i dati
E gli esperti del settore credono che sia possibile ridurre gran parte di questa spesa con l’aiuto dell’intelligenza artificiale. Una serie di studi recenti infatti ha rilevato che i costi amministrativi continuano ad aumentare e o rimangono superiori a quelli di altri paesi.
Tra i settori in cui l’intelligenza artificiale può contribuire a ridurre i costi c’è la gestione della spesa sanitaria.
Alcuni passi avanti hanno contribuito a promuovere la digitalizzazione del settore sanitario e a incentivare lo sviluppo e l’adozione di cartelle cliniche elettroniche, ma il valore reale sta nelle risme di dati medici che le organizzazioni e le aziende raccolgono tra la popolazione e che rimane inafferrabile.
La natura complessa e dinamica della gestione della salute della popolazione lo rende particolarmente conveniente da gestire con il machine learning. Gli attuali strumenti di gestione della salute della popolazione si basano sull’interrogazione da parte degli analisti di serie di dati relativi all’assistenza sanitaria. Tuttavia, ci sono innumerevoli modelli e tendenze che non saranno scoperti perché i medici non hanno fatto la domanda giusta.
L’Intelligenza artificiale può colmare questo divario attraverso l’apprendimento non supervisionato, un sottoinsieme di apprendimento automatico che analizza i dati e scopre modelli comuni e anomalie con il minimo coinvolgimento umano.
Gli algoritmi basati sull’apprendimento non supervisionato possono ingerire dati da cartelle cliniche, dati finanziari, dati generati dai pazienti, dispositivi IoT e altre fonti rilevanti per scoprire automaticamente gruppi di pazienti che condividono combinazioni uniche di caratteristiche.
I modelli ricavati dai dati sulla salute della popolazione possono aiutare le istituzioni sanitarie a impegnarsi nell’assistenza preventiva e predittiva, che può portare a grandi risparmi nella gestione e nel trattamento di malattie che diventano costose e complesse quando vengono scoperte in fasi successive. L’intelligenza artificiale può essere utilizzata per l’identificazione o lo sviluppo di una medicina basata sulle evidenze e protocolli di trattamento che possono essere utilizzati, in generale, per il trattamento di malattie specifiche.
I plus del modello predittivo
La medicina basata sull’evidenza è la pratica di prendere decisioni di trattamento basate su osservazioni che provengono da studi clinici di popolazioni. Anche se la medicina basata sull’evidenza non è nuova, la velocità della potenza di elaborazione umana ne ha limitato l’applicazione in precedenza. Oggi, gli algoritmi di intelligenza artificiale stanno contribuendo ad aumentare questi sforzi, analizzando milioni di punti di dati e trovando rapidamente modelli e linee d’azione rilevanti.
Alciuuni ricercatori hanno utilizzato algoritmi di intelligenza artificiale e dati raccolti da 650.000 pazienti ricoverati per creare un modello predittivo in grado di identificare quali pazienti ricoverati oggi hanno più probabilità di finire in terapia intensiva.
Questo approccio non solo aiuta a ridurre i costi dei ricoveri ripetuti e a rilasciare precocemente i pazienti a rischio, ma salva anche numerose vite ogni anno.
Un’altra area che può aiutare a ridurre i costi è lo sviluppo di nuovi farmaci e vaccini. La scoperta di nuovi farmaci è lunga e costosa e coinvolge migliaia di ricercatori che conducono esperimenti per trovare la soluzione praticabile che può rallentare, arrestare o invertire gli effetti di una malattia. Il processo può durare fino a 12 anni e costare più di un miliardo di dollari.
L’intelligenza artificiale può contribuire a ridurre le spese e ad accelerare il processo di sviluppo dei farmaci stimolando le attività di analisi e di ricerca. Un esempio è la collaborazione tra Pfizer e Ibm Watson per l’applicazione dell’Ia nel processo di ricerca sui farmaci. Ibm utilizzerà la potenza di calcolo e le capacità cognitive delle sue piattaforme Ia per analizzare e testare rapidamente le ipotesi da “volumi massicci di fonti di dati disparate” che includono più di 30 milioni di fonti di laboratorio, report di dati e letteratura medica. I ricercatori possono utilizzare le capacità di elaborazione del linguaggio naturale (Pnl) di Watson per analizzare il contenuto di migliaia di documenti e rapporti medici a velocità molto elevate per trovare fatti rilevanti per il loro lavoro.
