L’intelligenza artificiale sta rivoluzionando anche il settore sanitario, con applicazioni in diversi ambiti, dalla diagnostica al trattamento dei pazienti. Gli algoritmi di AI possono aiutare i medici a prendere decisioni più accurate e rapide, migliorare l’efficienza dei processi e sviluppare nuovi farmaci. Tuttavia, l’utilizzo dell’AI presenta anche sfide, come la necessità di disporre di dati sanitari di alta qualità e il rispetto delle implicazioni etiche. Una rassegna delle principali soluzioni di AI applicata al settore sanitario.
L’utilizzo di tecnologie di intelligenza artificiale nel mondo healthcare non è una novità. Già negli anni 70 del secolo scorso si è iniziato a introdurre sistemi “intelligenti” in grado di supportare i medici sia nelle diagnosi sia offrendo suggerimenti sulle terapie da utilizzare.
Parliamo di sistemi ancora molto immaturi rispetto a quelli attuali, ma che hanno contribuito a supportare la comunità di medici, accelerando le diagnosi e ponendo le basi per le piattaforme che sarebbero poi arrivate solo anni dopo, quando anche il settore medicale ha potuto contare su una maggiore potenza di elaborazione e storage a basso costo.
Nel tempo, algoritmi di deep learning e machine learning più evoluti, che hanno contribuito a rendere più precise ed efficaci queste soluzioni.
Lo scenario di mercato dell’AI per l’healthcare
Secondo Grand View Research oggi il settore dell’IA nel campo healthcare vale 15,4 miliardi di dollari e crescerà con un CAGR composto del 36% sino al 2030.
Dati molto simili a quelli stimati da Fortune Business Insights, che nel 2022 stimava un mercato di 13,82 miliardi di dollari, destinato a crescere a ben 164 miliardi entro il 2029. Secondo Grows Plus, invece, il settore valeva 10 miliardi di dollari e arriverà a superare i 222 miliardi nel 2031.
Se consideriamo che secondo Gartner nel 2022 il mercato dell’AI valeva complessivamente 62,5 miliardi di dollari, risulta evidente che la sanità rappresenta una fetta non trascurabile dell’intero mercato dell’intelligenza artificiale.
Secondo l’OMS “gli strumenti basati sull’IA possono utilizzare i dati sanitari digitalizzati, disponibili in una gamma di formati tra cui cartelle cliniche elettroniche, immagini mediche e appunti clinici scritti a mano, per automatizzare le attività, supportare i medici e approfondire la comprensione delle cause dei disturbi complessi”.
A dare una grossa spinta agli investimenti in questo ambito è stata indubbiamente la pandemia da Covid.
I medici hanno rapidamente adottato soluzioni basate su AI per la diagnosi rapida e il rilevamento dei diversi ceppi virali. Gli algoritmi di machine learning e deep learning sono stati di grande supporto per accelerare le diagnosi dei pazienti: sistemi addestrati con set di dati di immagini tomografiche del torace, sintomi, risultati patologici e storia di esposizione per diagnosticare rapidamente e con precisione i pazienti positivi al Covid.
L’AI nel mondo sanitario: gli ambiti di applicazione
Ma quali sono esattamente le applicazioni dell’AI nel mondo sanitario? A ben vedere, sono tantissime. Come già indicato, gli algoritmi di machine learning forniscono un prezioso supporto per velocizzare la diagnosi delle patologie, ma anche per sviluppare trattamenti mirati per ogni singolo paziente.
QuellA che viene definita medicina di precisione, con terapie sempre più personalizzate e soprattutto farmaci sviluppati sulle esigenze di singoli pazienti, così da risultare più efficaci e con meno controindicazioni.
In questo senso, l’AI può anche aiutare a prevedere la risposta del paziente prima ancora di sottoporlo alle cure, così da valutare pro e contro di ogni terapia.
Un ambito dove l’AI eccelle è quello dell’analisi delle immagini medicali: l’AI viene infatti addestrata per riconoscere segni e sintomi di malattie nelle immagini mediche, come radiografie, tomografie computerizzate o risonanze magnetiche e può aiutare a individuare più velocemente e in maniera più precisa di un essere umano segni che possono essere indizi di tumori o altre patologie.
Non solo: soluzioni di analisi di immagini basate su AI sono in grado di classificare e segmentare automaticamente le strutture e i tessuti nelle immagini mediche. Una capacità che utile soprattutto in ambiti come la neurologia, dove l’intelligenza artificiale può aiutare a identificare e distinguere lesioni cerebrali, tumori o altre anomalie.
I medici possono usare questi sistemi di analisi anche per rendere più efficaci i trattamenti oncologici, per esempio per valutare la migliore strategia di irradiazione tenendo conto della forma e della posizione del tumore rispetto agli organi sani circostanti.
E non è finita qui. Perché l’intelligenza artificiale trova anche altre applicazioni. Il monitoraggio dei pazienti, per esempio, dove analizza i dati provenienti dai sensori e dai dispositivi indossabili collegati ai pazienti, individuando in tempo reale eventuali variazioni dei loro parametri vitali.
Questo apre la strada alla telemedicina, cioè la possibilità di tenere sotto controllo i pazienti anche a distanza, senza obbligarli a recarsi sempre in clinica per le analisi.
Applicata ai processi ospedalieri, l’AI può snellire la gestione delle cartelle cliniche, analizzando automaticamente i dati dei pazienti, trovando correlazioni ed estraendo rapidamente le informazioni chiave, così da supportare i medici nel loro processo decisionale.
L’AI per il benessere mentale
Un ambito in cui l’AI, nello specifico l’IA generativa, si sta sviluppando molto è quello delle cure del benessere mentale. Un ambito non da sottovalutare, considerando che sono fra le patologie più costose: secondo il National Institute of Mental Health (NIMH), negli USA nel 2017 si spendevano più di 200 miliardi di dollari per le cure mentali, una cifra superiore anche a quella necessaria per curare le patologie cardiache, molto diffuse negli USA.
A livello globale, l’OMS stima che nel 2021 150 milioni di europei soffrissero di qualche patologia mentale, una situazione che si è aggravata con la pandemia da Covid.
Ancora prima del 2017 si è iniziato a sperimentare chatbot progettati per venire usati in ambito psichiatrico e se i primi risultati sono stati modesti, i miglioramenti degli algoritmi di NLP (Natural Language Processing) hanno permesso di fare grandi passi in avanti in questo senso, anche se l’OMS suggerisce una certa cautela.
Nello studio “Methodological and quality flaws in the use of artificial intelligence in mental health research: a systematic review”, realizzato da ricercatori della Polytechnic University of Valencia e dal WHO/Europe vengono infatti evidenziati alcuni limiti dell’AI applicata alla cura della salute mentale.
“Abbiamo scoperto che l’uso delle applicazioni di IA nella ricerca sulla salute mentale è squilibrato e viene utilizzato principalmente per studiare i disturbi depressivi, la schizofrenia e altri disturbi psicotici. Ciò indica una significativa lacuna nella nostra comprensione di come possono essere utilizzati per studiare altre condizioni di salute mentale”, spiega la dott.ssa Ledia Lazeri, Consigliere regionale per la salute mentale presso l’OMS/Europa.
Lo studio evidenzia come i limiti delle soluzioni attualmente disponibili sono legati innanzitutto ai dati usati per addestrare i modelli, che potrebbero portare a Bias cognitivi, ma anche alle modalità in cui gli algoritmi interpretano le statistiche e a una scarsa trasparenza sul funzionamento dei modelli di machine learning.
“La mancanza di trasparenza e i difetti metodologici sono preoccupanti, poiché ritardano l’implementazione sicura e pratica dell’AI. Inoltre, l’ingegneria dei dati per i modelli di AI sembra essere trascurata o fraintesa, e i dati spesso non sono adeguatamente gestiti. Queste gravi carenze possono indicare una promozione troppo accelerata di nuovi modelli di AI senza fermarsi a valutare la loro fattibilità nel mondo reale”, spiega il dottor Novillo-Ortiz, Regional Advisor on Data and Digital Health del WHO/Europe e co-autore dello studio.
Tirando le somme, se nell’analisi delle immagini mediche e dell’applicazione di terapie personalizzate l’AI sembra essere a oggi molto efficace, per quanto riguarda la cura delle patologie mentali gli esperti nutrono ancora qualche dubbio sulla sua efficacia, per lo meno sulla base della qualità degli strumenti attualmente disponibili.
Strumenti che sono in rapidissima evoluzione e che nell’arco di pochi anni potrebbero fare un significativo salto di qualità.
Le piattaforme di AI per il settore healthcare
Dato l’elevatissimo numero di soluzioni per il settore healthcare che fanno leva sul’intelligenza artificiale, qui analizziamo le piattaforme di data mining e data analysis.
Oracle
Sotto il cappello di Oracle Health ricadono una serie di soluzioni dedicate a vari ambiti del settore sanitario: amministrazione delle assicurazioni sanitarie, finance e HR, data analysis. Si appoggiano tutte a Oracle Analytics Cloud, e sfruttano l’intelligenza artificiale per analisi più accurate e veloci. Secondo il fondatore della multinazionale, il settore medicale sarà uno di quelli maggiormente impattati dall’intelligenza artificiale.
“Le persone parlano di ChatGPT come qualcosa di davvero eccezionale perché può scrivere il compito per il liceo al posto tuo. Beh, e se invece riducessimo del 30 percento il tasso di riammissione ospedaliere presso l’MD Anderson?. Scegliete voi cosa è più importante“, ha affermato un po’ provocatoriamente Larry Ellison durante un evento di presentazione dei risultati finanziari (quello del terzo trimestre scorso).
Secondo Oracle, non è tempo di indugiare: le strutture sanitarie che non adotteranno rapidamente l’IA, risulteranno infatti meno competitive, e perderanno talenti. Citando un’indagine di Health IT Analytics, l’azienda evidenzia come già nel 2018 il 77% del campione affermava di utilizzare l’IA in ambito medicale come supporto alle decisioni e per meglio valutare i rischi.
Ma quali sono le applicazioni pratiche in ambito sanitario? Nel caso di Oracle, i medici possono sfruttare le funzionalità di deep learning integrate in Oci Vision per individuare i tumori al seno, ma anche individuare potenziali problemi facendo analizzare automaticamente gli Ecg tramite il servizio Anomaly Detection.
Sono disponibili modelli già pronti, che gli sviluppatori possono rapidamente integrare nelle loro piattaforme. Le funzionalità di Oci Document Understanding velocizzeranno l’estrazione di informazioni testuali da documenti e cartelle cliniche.
I pazienti possono consultare dottori virtuali, chiacchierando con loro, tramite i servizi di Oci Speech AI e Cohere AI, mentre i chatbot realizzati tramite Oracle Digital Assistant possono contattare i pazienti per ottenere aggiornamenti sul loro stato di salute. Un passo avanti nella telemedicina, che dopo la pandemia da Covid si è diffusa a macchia d’olio.
In generale, Oracle offre una piattaforma di analisi dati che fa leva sull’IA, e che include numerosi modelli già pronti per velocizzare l’implementazione in vari settori di mercato, l’healthcare incluso.
Google Cloud Healthcare Data Engine
Google Cloud Healthcare è una piattaforma che integra strumenti e servizi basati sull’intelligenza artificiale per l’analisi e l’elaborazione dei dati sanitari.
Questi strumenti possono essere utilizzati per il data mining, l’analisi predittiva e l’elaborazione del linguaggio naturale per migliorare la gestione dei dati sanitari e l’assistenza ai pazienti.
Fra le funzionalità principali, la capacità di unificare svariati formati di dati clinici da diversi sistemi nell’archivio Fhir (Fast Healthcare Interoperability Resources) per attivare l’interoperabilità, la sicurezza e il supporto della conformità Hipaa.
Fhir è uno standard ideato nel 2011 e utilizzato per facilitare lo scambio di dati sanitari archiviati in modalità elettronica.
La piattaforma di Google è in grado di esportare, trasformare e sincronizzare in automatico enormi quantità di dati FHIR (parliamo di petabyte di informazioni) in BigQuery, con l’obiettivo di ottenere insight basati sui dati e processi decisionali quasi in tempo reale. Un approccio che non solo permette di abbattere i silos informativi, ma anche di analizzare i dati per comprendere meglio l’andamento dello stato di salute di un singolo paziente o di un gruppo di pazienti.
Fra le funzionalità principali Patient Flow Explorer, una dashboard personalizzata per consentire agli utenti di esporre in modo proattivo le tendenze chiave ed evitare colli di bottiglia critici (ad esempio, deviazione ED, capacità di T.I.).
Transitions of Care Analytics, invece, è un pannello centralizzato di dati consolidati e armonizzati per un paziente trasversale al sistema EHR. Social Determinants of Health Explorer, infine, permette agli utenti di connettere i determinanti sociali dei dati sanitari e delle risorse della comunità ai pazienti a rischio.
Amazon Comprehend Medical
Considerato che Aws è stato il primo hyperscaler sul mercato, non poteva mancare una soluzione di Amazon dedicata al settore sanitario, che prende il nome di Amazon Comprehend Medical.
Si tratta di un servizio di Npl (Natural language processing) in grado di estrarre dati sanitari dai testi medici come ricette, diagnosi, relazioni di imaging e note cliniche.
I casi d’uso sono svariati, e va a coprire differenti ambiti, incluso quello assicurativo. Infatti, è in grado di automatizzare la presa in carico delle richieste, la convalida e l’approvazione dei flussi di lavoro per le società assicurative del settore sanitario, così da semplificare l’elaborazione delle richieste.
Gli strumenti di analisi integrati consentono di analizzare grandi quantità di dati e facilitare l’identificazione di falle nel sistema sanitario, migliorandone così l’efficienza, o di accelerare i trial clinici, velocizzando la selezione dei pazienti più adatti.
Una delle funzionalità chiave è la capacità di riconoscere i termini medici, inclusi i sinonimi e le abbreviazioni più utilizzate, un dettaglio fondamentale per assicurare la piena comprensione delle informazioni che vengono date in pasto al sistema.
Merative (ex Ibm Watson Health)
Fra le multinazionali che hanno maturato più esperienza nell’integrare AI e machine learning nell’ambito sanitario c’è Ibm con la sua piattaforma Watson Health.
Non si tratta di un prodotto monolitico, ma di una serie di soluzioni che ricadono sotto il cappello di Watson Health, destinate a differenti casi d’uso.
Iniziamo col dire che Watson Health è un nome provvisorio dato che nel 2022 tutti gli asset sono stati acquisiti da Francisco Partners, che l’ha rinominata Merative.
Numerose le soluzioni disponibili. Healthcare Insights è lo strumento di analisi che consente di estrarre insights da grandi moli di informazioni sanitarie, aiutando i medici e il personale sanitario a migliorare sia l’efficienza del sistema, sia a ridurre i suoi costi.
Micromedex, invece, è una sorta di immenso database di farmaci che supporta i medici nello scegliere i migliori trattamenti sulla base delle necessità di ogni paziente, ma che torna utile anche per gestire in maniera più efficace il magazzino dei farmaci, riducendo così il rischio di trovarsi privi di farmaci chiave.
La soluzione end to end Zelta è pensata per gestire i test clinici, a partire dall’acquisizione delle informazioni sino alla loro gestione e all’estrazione di insight.
Sono inclusi anche altri software, di cui parleremo nei prossimi articoli, dedicati alla gestione e all’analisi dell’imaging medicale (Merge) e un database contenente i dati sanitari di 273 milioni di pazienti (Marketscan).
Nvidia Clara
Da “semplice” produttore di chip grafici a leader dell’AI. Nvidia negli ultimi anni è diventata uno dei protagonisti nell’ambito dell’AI sia come produttore di hardware per accelerare i calcoli di machine learning e deep learning, sia come sviluppatore di piattaforme software.
La soluzione della multinazionale per l’healthcare si chiama Clara, e include differenti moduli. Per la diagnostica delle immagini e dei dispositivi Nvidia propone Clara Holoscan, che offre un’infrastruttura completa per il processamento in tempo reale dei dati provenienti dai sensori medicali. È progettata tenendo a mente gli sviluppatori, che potranno accelerare lo sviluppo di dispositivi AI di nuova generazione e integrare l’uso dell’IA direttamente nella sala operatoria.
Clara Parabricks è invece una soluzione dedicata al sequenziamento del genoma, i cui calcoli saranno accelerati tramite Gpu.
Secondo l’azienda di Santa Clara, questa piattaforma offre prestazioni fino a 80 volte superiori rispetto alle soluzioni basate su Cpu e, di conseguenza, permette di abbattere anche i costi di calcolo in una percentuale che può arrivare fino al 50%.
Non utilizza nuovi strumenti, ma quelli già utilizzati ogni giorno da biologi e bioinformatici, ed è compatibile con i linguaggi e i gestori dei flussi di lavoro più utilizzati, come Wdl, NextFlow e Cromwell.
Per la ricerca farmacologica, Nvidia propone Clara Discovery, soluzione basata su deep learning e reti neurali progettata per accelerare tutte le fasi della ricerca in ambito pharma, incluso l’addestramento di modelli linguistici di grandi dimensioni (LLM) che comprendono lo spazio chimico alle simulazioni di dinamica molecolare, la previsione della struttura proteica e la progettazione di farmaci generativi.
Include più framework come BioNeMo, pensato per il training e la distribuzione di LLM biomolecolari nell’ordine del supercomputing basato su NeMo Megatron. MegaMolBart è invece un modello di chimica generativa addestrato su 1,4 miliardi di molecole (stringhe Smiles) e può essere utilizzato per una vasta gamma di applicazioni chimico-informatiche nella ricerca farmacologica, quali previsione delle reazioni, ottimizzazione molecolare e generazione ex novo di molecole di piccole dimensioni.
Non mancano soluzioni dedicate invece alla gestione degli ospedali.
Clara Guardian è una piattaforma che sfrutta i sensori presenti all’interno delle strutture ospedaliere per assicurare la sicurezza. Può verificare il corretto utilizzo dei dispositivi di protezione personale, misurare la temperatura, e monitorare anche i pazienti appoggiandosi ai dati dei sensori e dei dispositivi indossabili per uso medicale.
Edison (GE Healthcare)
La piattaforma Edison di GE Healthcare è composta da un insieme di strumenti che aiuta gli operatori del settore sanitario a utilizzare in maniera più efficace i dati sui pazienti.
Una delle funzionalità principali è la capacità di integrare e assimilare dati da varie fonti, applicando analisi avanzate e l’intelligenza artificiale per trasformare i dati in insight.
Uno dei principali problemi di chi opera nel settore medicale è la difficoltà a ottenere dati medicali di buona qualità ed Edison mette a disposizione, tramite il programma Rwd, un database di informazioni acquisite da pazienti reali e anonimizzate, conformi alle normativa Gdpr e Hipaa.
Ovviamente, può acquisire e analizzare anche la grande quantità di informazioni che ogni struttura già possiede, aiutando gli specialisti nelle loro analisi, per esempio individuando velocemente pattern.
L’ecosistema GE Healthcare è composto da numerose applicazioni, circa 200 al momento in cui scriviamo, molte delle quali stanno convergendo sulla piattaforma Edison, che ospita anche 20 app di terze parti.
Fra queste AIRx, sistema di workflow basato sull’IA per la risonanza magnetica dell’encefalo. La sua particolarità è che genera immagini che variano il meno possibile tra una risonanza e l’altra e da un tecnico di laboratorio all’altro.
Sas Health
In generale, qualsiasi piattaforma di analytics e di data mining potrebbe essere adattata alle esigenze dei più svariati settori, incluso quello sanitario. Questo a patto che gli algoritmi vengano addestrati su un set di adeguati, nel nostro caso quelli medicali.
Sas Health è la proposta di Sas per l’healthcare. Una delle funzioni chiave di questo prodotto è il generatore di coorti: si tratta di un’interfaccia interattiva per interrogare e costruire coorti con relazioni temporali senza la necessità di codifica.
L’interfaccia è di tipo drag & drop, facile da utilizzare, così da permettere al personale medico di concentrarsi sui risultati senza dover investire troppo tempo nel comprendere il funzionamento del software.
Come altre soluzioni è in grado di acquisire e normalizzare i dati medicali. La differenza rispetto ad altre piattaforme è che quella di Sas può anche esplorare e analizzare informazioni provenienti da dataset acquisiti da pazienti reali, aiutando i medici a identificare i migliori trattamenti, ma anche i trend in atto.
Una delle peculiarità è il fatto che può essere utilizzata sia in modalità as a service, quindi in cloud, sia installata sui sistemi della struttura sanitaria. Un dettaglio non da poco, soprattutto per le imprese italiane ed europee, che devono rispettare le normative europee sul trattamento dei dati.
Non sempre in questi casi il cloud consente di rispettare la conformità normativa e di conseguenza il poter installare la soluzione on-premise è una caratteristica chiave, che può fare la differenza in settori altamente regolamentato come quello sanitario, dove la privacy e la riservatezza delle informazioni sanitarie sono messe in primo piano.
Philips
La proposta di soluzioni medicali di Philips che sfruttano l’intelligenza artificiale è davvero ampia, e spazia da prodotti dedicati agli utenti finali ad altre destinate a un pubblico di medici ed esperti del settore. Fra le prime, lo spazzolino elettrico intelligente Philips Sonicare Prestige 9900.
Può far sorridere l’idea di uno spazzolino smart, ma è interessante notare come in questo caso l’AI è usata per fornire agli utenti indicazioni guidate per garantire una migliore igiene orale. Si tratta di un prodotto curioso, ma non è certo il fiore all’occhiello dell’offerta di Philips, che ha nel suo portfolio soluzioni molto più evolute.
Come AI Manager, una soluzione cloud dedicata alle analisi radiologiche, progettata per essere rapidamente scalabile sulla base delle esigenze dei clienti. Supporta i medici nell’analisi delle immagini e nelle diagnosi, rileva anticipatamente possibili anomalie e include funzionalità di reportistica automatica.
CT Precise Image è una soluzione basata su IA per la ricostruzione delle immagini tomografiche progettata per ridurre contemporaneamente la dose, diminuire il rumore e migliorare la rilevabilità dei contrasti bassi.
Per migliorare il processo l’acquisizione delle immagini, invece, Philips propone CT Precise Position, che sfrutta delle videocamere per semplificare il processo di scansione. In questo caso, vengono usate delle reti neurali convoluzionali per identificare i punti di riferimento dell’anatomia del paziente, riconoscendone la posizione e posizionando automaticamente il paziente all’isocentro.
EchoNavigator, invece, unisce automaticamente in tempo reale immagini fluoroscopiche dal vivo e Live 3D TEE (ecografia transesofagea), consentendo una guida intuitiva e rapida del dispositivo per le ecografie nello spazio 3D.
Per le risonanze magnetiche, Philips propone i macchinari Ingenia MR 5300, che ha due caratteristiche chiave. La prima è che non richiede elio per il suo funzionamento.
La seconda è che fa leva su algoritmi di AI per automatizzare una serie di procedure cliniche e operative. L’idea alla base di questa macchina, è quella di consentire agli operatori sanitari di concentrarsi interamente sul paziente, lasciando che l’IA svolga le operazioni di routine.
Fra gli altri prodotti basati su AI del portafoglio di Philips, Patient Flow Capacity Suite è una soluzione di gestione logistica dei pazienti basata su cloud che utilizza l’apprendimento automatico per orchestrare in maniera più efficace le cure ai pazienti, indipendentemente dal luogo e contesto in cui si trovano.
Consente ai medici di condividere semplicemente e facilmente le informazioni sanitarie relative ai pazienti, e integra algoritmi predittivi che aiutano a identificare le cause di eventuali ritardi e prevenire ricoveri non necessari.
Tre le soluzioni della multinazionale progettate per gestire i dati medicali della gamma Intellispace, IntelliSpace Portal combina dati clinici da diverse modalità utilizzando l’intelligenza artificiale per migliorare i workflow.
Le funzionalità di apprendimento automatico accelerano i flussi di lavoro, prevedendo la serie e il tipo di dati su cui dovrebbe essere applicata la pre-elaborazione. IntelliSpace Cognition è uno strumento pensato per i neurologi in grado di valutare automaticamente i risultati dei test cognitivi tramite l’AI.
IntelliSpace Precision Medicine, infine, è dedicata alla medicina di precisione, nello specifico alle cure per i pazienti affetti da tumori. Integra le informazioni provenienti da diverse aree (radiologia, anatomia patologica, sistemi Electronic Health Record, genomica) e incorpora tutti i dati chiave del paziente e medici in un unico punto, per fornire una chiara e intuitiva visione dello stato del paziente nel contesto della sua condizione clinica. Va precisato che non si tratta di una soluzione in grado di effettuare diagnosi, ma di un software in cloud per gestire in maniera più efficace tutte le informazioni mediche e facilitare il lavoro dei professionisti.
Per le risonanze magnetiche Philips propone svariate soluzioni. Come MR AI Protocol Assistant, che tramite il machine learning suggerisce il protocollo più adatto a ogni esame, oppure MRCAT, che offre informazioni anatomiche dettagliate per la delimitazione e mappe di attenuazione per calcolare la corretta dose.
SmartExam pianifica automaticamente le geometrie di scansione, basandosi sulle preferenze già validate dai professionisti. L’idea è quella standardizzare il processo degli esami MRI, così da migliorare la coerenza sia nei controlli successivi dello stesso paziente sia quando si passa ad altri pazienti. Secondo la multinazionale, è in grado di automatizzare l’80% dei processi di risonanza.
SmartSpeed fa leva su algoritmi di AI per accelerare i processi di imaging sino a tre volte, oltre a offrire una risoluzione superiore del 65% rispetto ad altri metodi, rivelandosi utile anche per la ricostruzione di immagini acquisite a basso campionamento.
Sempre in ambito risonanza magnetica VitalEye è una soluzione che sfrutta su sensori touchless per il rilevamento della respirazione durante le RM.
Il portfolio di Philips non si esaurisce qui: SmartSleep Deep Sleep Headband e SmartSleep Snoring Relief Band sono due dispositivi pensati per migliorare la qualità del sonno dei pazienti. Il primo è una fascia da appoggiare sulla testa che produce suoni in grado di estendere la durata del sonno profondo, mentre il secondo è una fascia che aiuta a prevenire il russamento. Anche DreamMapper è progettata per migliorare la qualità del sonno: correla i dati sull’uso della terapia e l’aderenza della maschera con le letture dell’indice apnea ipopnea (AHI) per monitorare e contribuire a migliorare il successo del trattamento, aiutando gli utenti a definire e raggiungere obiettivi personali di terapia.
Concludiamo la carrellata di prodotti Philips per il settore sanitario citando eCareManager, che effettua analisi predittive per stimare la probabilità che i pazienti in terapia intensiva corrano il rischio di morte o di essere ri-ammessi entro 48 ore in caso dimissioni; IntelliVue GuardianSoftware, che tramite analisi predittive aiuta i caregiver a identificare i piccoli segnali che suggeriscono un deterioramento della salute del paziente; Patient Flow Capacity Suite, che utilizza algoritmi di machine learning in grado di predire il rischio di riammissione del paziente nell’arco di 30 giorni, permettendo di efficientare la gestione del flusso di pazienti all’interno delle strutture mediche.
Sap
Sap S/4Hana for Healthcare Providers è un sistema gestionale progettato per le esigenze del settore medicale. Integra algoritmi di machine learning per consentire agli utenti di semplificare e ridefinire i processi, nell’ottica di una maggiore ottimizzazione, e identificare sprechi e aree dove è possibile portare più efficienza, così da abbattere anche i costi.
Considerato che il focus di Sap è sugli Erp, la multinazionale ha stretto varie collaborazioni con altre aziende per sviluppare programmi per il mondo ospedaliero e della sanità in generale. Come Workforce Suite for Healthcare di DXC Technology, per gestire e supportare i professionisti che operano in ambito medicale.
Cyc Hospital Advisor di Cycorp Inc, invece, è una piattaforma che aiutare a gestire il traffico all’interno degli ospedali, offrendo suggerimenti sulle priorità, sui percorsi più rapidi per arrivare dal paziente o portare il paziente in sale specifiche. La collaborazione più recente è quella con Ibm, annunciata a maggio 2023.
In base all’accordo, Sap integrerà l’AI di Watson nelle sue piattaforme, ed estenderà queste funzionalità lungo tutto il portfolio Sap.
Techcyte
Techcyte è un’azienda americana che ha sviluppa una piattaforma mirata a migliorare la velocità e l’accuratezza delle diagnosi mediche. La piattaforma fa leva sull’apprendimento automatico per analizzare i campioni clinici e tramite i suoi algoritmi permette di identificare e classificare le cellule e i tessuti presenti nei campioni, fornendo risultati rapidi e precisi.
Essendo basata sul deep learning, la soluzione di Techcyte è in grado di adattarsi e apprendere continuamente, migliorando le sue prestazioni con l’esperienza. Supporta diversi ambiti, fra cui patologia veterinaria, patologia umana e analisi ambientale, consentendo ai laboratori e alle strutture sanitarie di utilizzare la stessa soluzione per diverse aree di applicazione, semplificando il processo diagnostico e ottimizzando l’utilizzo delle risorse.
Secondo l’azienda, uno dei punti di forza di questa soluzione è la sua facilità di utilizzo. La piattaforma è stata progettata per essere intuitiva e accessibile a tutti i professionisti sanitari, inclusi quelli che non hanno una vasta esperienza nell’utilizzo delle tecnologie digitali.
