Gpi è tra gli invitati all’AIHealth 2024, la prima conferenza internazionale sul rapporto tra Sanità e Intelligenza Artificiale in programma ad Atene dal 10 al 14 marzo.
Ismaela Avellino e Isabella della Torre, del Team R&D, sono le relatrici del progetto di predictive analytic selezionato per la sessione “AI-in-Health scientific directions”. Un riconoscimento importante che sottolinea l’innovazione e l’impegno nel campo della tecnologia applicata alla salute in ottica One Health.
Come si posiziona GPI nel contesto della ricerca sulle analisi predittive applicate al settore sanitario?
Ismaela Avellino – Gpi si impegna attivamente nello sviluppo di soluzioni che concorrono al miglioramento effettivo della qualità dei servizi sanitari offerti alle persone. In linea con questo impegno, l’azienda ha avviato il progetto di ricerca, selezionato per la Conferenza di Atene, a supporto della gestione efficace dei Pronto Soccorso e dei suoi ambulatori.
L’AI gioca un ruolo fondamentale nell’analisi dei dati con approccio One Health, perché contribuisce a individuare schemi e pattern interdipendenti, tra la salute umana e l’ambiente.
In particolare, stiamo indagando come strutturare analisi predittive accurate per stimare gli accessi ai Pronto Soccorso e i ricoveri per riacutizzazione di specifiche patologie, basandoci sull’esposizione a breve termine di agenti legati al clima e all’inquinamento. L’obiettivo è comprendere in che modo prevedere gli accessi e i volumi delle ospedalizzazioni, sfruttando i dati ambientali, un fattore che consideriamo significativo, ma ad oggi trascurato.
Come avete esplorato questa idea?
Isabella della Torre – Non partiamo da zero, infatti esiste già una quantità significativa di letteratura scientifica che mostra come il clima o l’inquinamento, ma non in sinergia, abbiano effetti sulla salute delle persone, specialmente su coloro che sono affetti da specifiche malattie o che presentano particolari bisogni terapeutici. Abbiamo cercato di esplorare una nuova direzione, dove i dati storici dei flussi del Pronto Soccorso incontrassero contemporaneamente entrambe le tipologie di dati ambientali.
Basandoci su dataset anonimi forniti da una riconosciuta azienda sanitaria italiana, abbiamo cominciato a rielaborare dati come il motivo di accesso al Pronto Soccorso, gli esami svolti, le eventuali ospedalizzazioni. Per poi metterli in relazione spazio-temporale con dati ambientali localizzati concomitanti allo stato di salute della persona: la temperatura, l’umidità, le precipitazioni, il livello di PM10 e PM2.5, la presenza di NOx, SO2 e O3, l’irradiazione solare totale. L’unione dei due diversi dataset è resa possibile usando come relazione spaziale l’area geografica di domicilio degli utenti e come relazione temporale alcuni specifici intervalli sullo stesso calendario.
Che risultati sono emersi?
Ismaela Avellino – Abbiamo individuato il corretto modus operandi per condurre analisi predittive di questo genere. Ai non addetti, potrebbe sembrare un risultato modesto, ma data la complessità della ricerca e il vasto insieme di informazioni e variabili da considerare, lo riteniamo un risultato sicuramente rilevante.
Nello specifico, nella fase di test, l’output del modello di previsione giornaliera degli accessi si avvicina molto ai dati storici reali e lo stesso accade per i ricoveri per due specifici gruppi di patologie: quelle cardiovascolari e quelle respiratorie. L’algoritmo, ricevendo in input dati storici generali del Pronto Soccorso e dati ambientali dei vari comuni, fornisce la previsione giornaliera del volume di pazienti creando curve quasi sovrapponibili al grafico della serie temporale storica di accessi o ricoveri.
In sintesi, abbiamo identificato un punto di partenza plausibilmente affidabile per esaminare sia serie di dati temporali che aree geografiche più estese, provando, allo stesso tempo, gli effetti dell’influenza dell’ambiente che circonda l’uomo sulla sua salute. Infatti, il nostro focus è il territorio dove vive il paziente e l’esposizione a esso legato e non la singola persona, in un’ottica OneHealth.
Alla luce di questi risultati, che scenari si aprono per il futuro?
Isabella della Torre – Stiamo ponendo le basi per sviluppare un modello all’avanguardia per ottimizzare la gestione dei Pronto Soccorso, aumentando efficienza e responsività. Un modello che ha la potenzialità di fornire informazioni decisive per l’organizzazione delle risorse, di essere scalato su altre realtà, garantendo sempre il miglior servizio possibile.
Il nostro obiettivo, come gruppo di ricerca e sviluppo dell’azienda, resta sempre quello di implementare sistemi di previsione intelligenti che possano contribuire a migliorare la salute e il benessere delle persone.
Avendo notato pochi riferimenti bibliografici in questo campo, almeno sul territorio italiano, siamo fieri di aver compiuto un passo in più verso conoscenze inedite a supporto del sistema sanitario che non si basino più esclusivamente su dati storici, ma che integrino informazioni nuove come il luogo dove viviamo e come esso influisca sul nostro stato di salute.
L’evento: The First International Conference on AI-Health – AIHealth 2024
