Article

Perché la precisione dei dati del settore sanitario è alla base del successo dell’Intelligenza Artificiale?

A cura di Jan Beger, Application Service Director presso Healthcare Digital, divisione di GE Healthcare

Ogni giorno vengono diffuse nuove pubblicazioni inerenti l’avvento dell’Intelligenza Artificiale (AI). Questo è infatti un tema stimolante e suggestivo. Sarà forse arrivata la soluzione per il nostro sistema sanitario in crisi? Gli articoli accademici e le ultime notizie stanno pian piano formando idee e teorie per preparare il sistema a questa grande evoluzione.

Il successo dell’AI è totalmente dipendente dalla quantità e qualità degli insiemi di dati. I gruppi che si occupano di ricerca clinica o dello sviluppo degli algoritmi hanno bisogno di accedere ai dati di medical imaging a scopo di formazione e convalida. Questi necessitano di casi reali molto specifici, segnalati da esperti del settore, per riuscire a ‘insegnare’ all’algoritmo a riconoscere la differenza tra organi e tessuti sani e malati. Prendiamo come esempio degli algoritmi di rilevamento e classificazione dei noduli polmonari, invece di sovraccaricare gli sviluppatori con milioni di lastre e scansioni sul torace sarebbe sufficiente fornirgli insiemi di dati più specifici, come ad esempio, “uomo, non fumatore, sotto i 40 anni d’età, affetto da cancro al polmone”. L’estrazione dei dati giusti è in grado di accelerare il potenziale di AI.

L’accesso a dati precisi e diversificati aiuta a reimmaginare la medicina

Il settore sanitario offre una fonte inesauribile di dati. Gli ospedali archiviano centinaia di milioni di immagini digitali e questo andamento è cresciuto esponenzialmente dalla diffusione della CT e della MRI come strumenti diagnostici principali in grado di isolare parti sempre più piccole del corpo. Ma il sistema sanitario non si è dimostrato affatto capace nell’utilizzare tutti questi dati per analisi e approfondimenti.

Dal momento che la corretta gestione dei dati è un elemento critico per il corretto funzionamento e la sopravvivenza di un sistema sanitario, è di fondamentale importanza riuscire a organizzare meglio i dati sparsi. Dovremmo considerare l’archiviazione di diagnosi e dati demografici in specifici database suddivisi per campi, così facendo la segmentazione e l’analisi dei dati potrebbero avvenire in qualsiasi modo. Ciò significa che la ricerca e l’estrazione dei dati può essere effettuata in base alla popolazione o al tipo di diagnosi del paziente, aiutando sin da oggi i medici negli ospedali e al tempo stesso sostenendo il futuro dell’innovazione.

Una soluzione di Vendor Neutral Archive (VNA) può essere d’aiuto in questo caso. Contiene immagini mediche e file di rilevanza clinica delle strutture sanitarie, esportando dati da sistemi differenti in svariate specializzazioni utilizzando standard internazionali del settore come DICOM. Accessibile tramite una singola interfaccia standard, è in grado di unificare le specializzazioni cliniche per offrire un quadro completo dei dati del paziente.

Interoperabilità: il punto di partenza per AI

L’interoperabilità tra modo di acquisire e organizzare i dati provenienti da fonti diverse e lo sviluppo dell’AI sono il punto di partenza per la nuova struttura del sistema sanitario moderno. Tramite una migliore gestione dei dati del paziente e l’utilizzo degli strumenti di advanced analytics sarà possibile trasformare il sistema sanitario ed ottenere maggior controllo sul corso degli eventi e sui risultati.

Sei interessato a sapere di più sull'Intelligenza Artificiale?

Guarda il nostro webinar Embrace AI, don’t fear it!

Durante la discussione, i nostri esperti risponderanno alle principali domande sull'intelligenza artificiale:

  • A che punto si trova l’AI in confronto al clamore che suscita?
  • Dove e come l’AI avrà un impatto maggiore sul settore sanitario?
  • Come assicurarci che l'utilizzo dell’AI sia un successo?
Guarda ora