Machine learning in sanità

Machine learning in sanità: il punto di vista di Noovle

Assintel Report 2019 - Approfondimento di pag. 110

Noovle è un’azienda internazionale di consulenza ICT e system integration specializzata nella fornitura di progetti cloud complessi.

Noovle, principale partner di Google Cloud, sviluppa progetti di Smart Working, Digital Marketing, Machine Learning e Big Data in molti settori industriali con l’obiettivo di rendere facile e agevole l’integrazione di tecnologie complesse attraverso la creazione di soluzioni in grado di generare efficienza.

Con la messa a regime del Fascicolo Sanitario Regionale si sono rese disponibili una serie di informazioni raccolte all’interno dei documenti sia in formato strutturato, come il referto di laboratorio, sia non strutturato, come per esempio le lettere di dimissione ospedaliera in formato PDF. Grazie alla tecnologia di intelligenza artificiale e Machine Learning è possibile estrapolare, anonimizzare e aggregare moltissime informazioni per renderle disponibili ai fini di studi epidemiologici.

Il progetto è nato in collaborazione tra Noovle e Consorzio Arsenàl.IT, il Centro Veneto Ricerca e Innovazione per la Sanità Digitale, che, dal 2012, su mandato di Regione Veneto e Azienda Zero, coordina il progetto sul fascicolo sanitario elettronico regionale (FSEr), occupandosi in particolare di tutti gli aspetti tecnici relativi all’interoperabilità dei sistemi informativi sanitari.

Il progetto ha un primario obiettivo che è quello di testare l’utilizzo di algoritmi di Machine Learning per classificare automaticamente i documenti clinici digitali ed estrarre da quelli non strutturati il maggior numero possibile di informazioni cliniche significative.

Come spiega Lorenzo Gubian, CIO di Azienda Zero, il progetto ha un duplice obiettivo: da un lato capire quanto e come gli algoritmi di Machine Learning e le soluzioni di Artificial Intelligence sviluppati in altri ambiti siano applicabili a quello clinico sanitario; dall’altro 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 di supporto alle decisioni cliniche) sia a quello della governance regionale (medicina di popolazione, prevenzione, ecc.).

Gli elementi fondamentali che garantiscono la sicurezza nell’uso dei dati clinico-sanitari in questo progetto di ricerca sono molteplici. In particolare va sottolineato come il disegno dell’infrastruttura tecnologica preveda la distinzione tra il mondo del fascicolo (nel quale i dati sono in chiaro e usati per finalità cliniche) ed il mondo dei big data, nel quale i dati, dopo essere stati accuratamente anonimizzati, vengono inseriti ed utilizzati a scopi di ricerca. Tutto ciò così come previsto dalla normativa nazionale in materia.

I risultati del progetto, che si concluderà entro fine 2018, saranno resi noti dopo l’analisi accurata dell’applicazione dell’algoritmo in fase di studio ad oltre 70.000 lettere di dimissione ospedaliera. Inutile sottolineare la rilevante ricaduta che gli esiti di questo progetto avranno sulla medicina predittiva e preventiva, offrendo vantaggi a tutta la popolazione.

Scopri di più

VAI A ASSINTEL REPORT 2019