Dalla lettera di dimissione ospedaliera al machine learning

Noovle e Arsenàl.IT sono coinvolte in una ricerca scientifica che mira a estrarre dai documenti clinici non strutturati il maggior numero di informazioni cliniche significative e a permettere una classificazione automatica dei documenti stessi, utilizzando algoritmi di machine learning.

Il presupposto del progetto è che conon la messa a regime del fascicolo sanitario elettronico regionale in Veneto (progetto coordinato da Arsenàl.IT) e l’alimentazione da parte delle aziende sanitarie con i documenti clinici previsti da obiettivi regionali, si sono rese disponibili una serie di informazioni raccolte all’interno dei documenti sia in formato strutturato (come il referto di laboratorio, strutturato secondo lo standard CDA) sia non strutturato (come le lettere di dimissione ospedaliera in formato PDF).

Dati da medicina generale

Per il progetto è stato scelto di utilizzare le lettere di dimissione ospedaliera dai reparti di medicina generale perché sono più ricche di informazioni utili per, con diagnosi più complesse e tendenzialmente multipatologiche.

Il progetto risponde a una delle finalità del fascicolo sanitario elettronico definite dalla normativa nazionale (DPCM n.178 del 29 settembre 2015 "Regolamento in materia di fascicolo sanitario elettronico") quella della ricerca scientifica.

L’iniziativa prevede l’utilizzo di tecniche di machine learning per l’identificazione automatica delle parti salienti delle lettere di dimissione ospedaliea.

In particolare l’obiettivo finale è di identificare automaticamente la/e diagnosi presenti in ciascuna sezione secondo la codifica internazionale ICD-9-CM. È previsto inoltre di testare la piattaforma Google Cloud, sia in termini di cloud storage che di tool avanzati per l’analisi e la ricerca nel mondo dei big data.

Due obiettivi

Il proof of concept ha due obiettivi. Il primo è capire quanto e come gli algoritmi di machine learning e le soluzioni di intelligenza artificiake sviluppati in altri ambiti siano applicabili a quello clinico sanitario;

Il secondo è sviluppare algoritmi di Machine Learning specifici da trasformare in servizi collegati al FSEr, capaci di offrire un valore aggiunto sia all’ambito clinico (sviluppando applicazioni utili al Decision Support System) sia a quello della governance.

I numeri del progetto

Allo stato attuale i documenti presenti nel FSEr sono circa 193.600.000 dei quali oltre 5.600.000 non strutturati. Di questi fanno parte 540.000 lettere di dimissione ospedaliera, pari a oltre 1.200 al giorno. Lo studio è focalizzato su oltre 70.000 lettere di dimissione prodotte dai reparti di medicina del Veneto.

Sicurezza dei dati

Il disegno dell’infrastruttura tecnologica garantisce la distinzione tra il mondo del FSE, nel quale i dati sono usati per finalità cliniche, e l’ambito dei big data, nel quale i dati - dopo essere stati accuratamente anonimizzati - vengono inseriti ed utilizzati a scopi di ricerca così come previsto dalla normativa. I dati utilizzati per la ricerca sono quindi completamente anonimizzati.

Ruoli nella partnership

Arsenàl.IT come ente di ricerca si occupa di indagare le nuove frontiere su come applicare le tecnologie più innovative all’ambito sanitario, Noovle in quanto partner commerciale ha un expertise molto avanzato nell’uso degli strumenti della Google Platform e Google si configura come partner tecnologico a supporto della possibile evoluzione dei vari strumenti in ambito sanitario.

Di fatto Arsenàl.IT, grazie all’esperienza in materia, opera da soggetto abilitatore nella creazione di un laboratorio nel quale, unendo competenze così diversificate, si produce innovazione a favore della sanità pubblica.

Risultati attesi

Sarà definito un algoritmo da applicare a documenti non strutturati, capace di ricavare elementi utili a definire una diagnosi, sperimentando così l’applicazione del machine learning all’ambito sanitario.

L’algoritmo permetterà di implementare un sistema di classificazione automatica delle lettere di dimissione ospedaliera, utilizzando tecniche di machine learning con l’identificazione automatica di diagnosi presenti nel documento.

 

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche iscriviti alla newsletter gratuita.

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here