Nell'Inghilterra meridionale, i pazienti dimessi da un gruppo di ospedali che servono 500.000 persone sono dotati di una fascia da braccio con Wi-Fi che monitora a distanza i loro segni vitali come la frequenza respiratoria, i livelli di ossigeno, le pulsazioni, la pressione sanguigna e la temperatura corporea. I loro dati sono analizzati e monitorati da sistemi con intelligenza artificiale cambiando radicalmente l'approccio medico al paziente
Nell'ambito di un programma pilota del Servizio sanitario nazionale che ora incorpora l'intelligenza artificiale per analizzare tutti i dati dei pazienti in tempo reale, i tassi di riammissione degli ospedali sono diminuiti e le visite alle emergenze sono state ridotte. Inoltre, la necessità di costose visite a domicilio è diminuita del 22%. A lungo termine, l'adesione ai piani di trattamento è aumentata al 96%, rispetto alla media del settore del 50%.
Il progetto pilota prevede lo sviluppo di intelligenza artificiale per raggiungere come obiettivo quello che, Clay Christensen, un professore della Harvard Business School e cofondatore di Innosight, chiama "non consumo". Il termine "non consumo" di fatto è un modo gentile dell'approccio business alla sanità per dire "riduzione dei costi". Si tratta di aree di opportunità in cui i consumatori devono svolgere un lavoro che non è attualmente affrontato da una soluzione conveniente o vantaggiosa.
Prima del progetto pilota britannico negli ospedali di Dartford e Gravesham, ad esempio, il monitoraggio a casa prevedeva che il personale ospedaliero incaricato del servizio guidava fino a 90 minuti tra andata e ritorno per visitare i pazienti nelle loro case circa una volta a settimana. Ma avendo oggi degli algoritmi che sono costantemente alla ricerca di segnali di allarme nei dati e in grado di avvisare sia i pazienti che i professionisti all'istante, nasce una nuova capacità: fornire assistenza sanitaria prima ancora di avere la certezza della sua necessità.
La più grande promessa dell'intelligenza artificiale - previsioni accurate a costi marginali quasi nulli - ha giustamente generato un sostanziale interesse nell'applicare l'AI a quasi tutti i settori dell'assistenza sanitaria. Ma non tutte le applicazioni di AI nell'assistenza sanitaria sono ugualmente adatte a beneficiarne. Inoltre, pochissime applicazioni servono come risposta strategica appropriata ai maggiori problemi che affliggono quasi ogni sistema sanitario: decentramento e pressione sui margini.
Prendiamo ad esempio gli strumenti disponibili dotati di AI per l'imaging medicale, un'area in cui si prevede che gli ospedali spenderanno 2 miliardi di dollari all'anno entro i prossimi quattro anni. Diagnosticare con precisione eventuali patologie cancerose alla cataratta è un compito complesso, con conseguenze difficili da quantificare ma tipicamente importanti. Tuttavia, l'attività è attualmente in genere parte di flussi di lavoro più ampi eseguiti da medici altamente specializzati che sono tra le migliori menti del mondo. Questi medici potrebbero aver bisogno di aiuto ai margini, ma questo è un lavoro già fatto. Tali fattori rendono la diagnosi delle malattie un'area estremamente difficile per l'AI per creare cambiamenti trasformativi. Pertanto, è improbabile che l'applicazione dell'AI in tali contesti, anche se vantaggiosa per i risultati dei pazienti, possa migliorare fondamentalmente il modo in cui viene erogata l'assistenza sanitaria o ridurre sostanzialmente i costi nel breve termine.
Tuttavia, le principali organizzazioni che cercano di decentralizzare l'assistenza possono utilizzare l'AI per fare cose che non sono mai state fatte prima. Ad esempio: c'è una vasta gamma di decisioni sulla salute in momenti di condizione non acuta che si fanno quotidianamente. Queste decisioni non meritano l'attenzione di un clinico esperto, ma alla fine svolgono un ruolo importante nel determinare la salute del paziente - e in definitiva il costo dell'assistenza sanitaria.
Secondo l'Organizzazione Mondiale della Sanità, il 60% dei fattori correlati alla salute individuale e alla qualità della vita sono correlati a scelte di stile di vita, tra cui l'assunzione di prescrizioni come farmaci per la pressione sanguigna correttamente, esercizio fisico e riduzione dello stress. Aiutati da modelli guidati dall'intelligenza artificiale, è ora possibile fornire ai pazienti interventi e promemoria attraverso questo processo quotidiano basato sui cambiamenti dei segni vitali del paziente.
Lo stesso monitoraggio della salute a casa non è nuovo. Programmi attivi e studi pilota sono in corso attraverso istituzioni leader che vanno da Partners Healthcare, United Healthcare e alla Johns Hopkins School of Medicine, con risultati positivi. Ma questi sforzi devono ancora sfruttare l'intelligenza artificiale per formulare giudizi e raccomandazioni migliori in tempo reale. A causa degli enormi volumi di dati coinvolti, gli algoritmi di apprendimento automatico sono particolarmente adatti per ridimensionare tale compito per popolazioni numerose. Dopotutto, grandi quantità di dati sono ciò che alimenta l'intelligenza artificiale rendendo questi algoritmi più intelligenti.
Implementando l'intelligenza artificiale, ad esempio, il programma del sistema sanitario inglese - l'NHS - non solo è in grado di crescere nel Regno Unito ma anche a livello internazionale. Current Health, il produttore di dispositivi di monitoraggio del paziente utilizzato nel programma, ha ricevuto di recente l'approvazione della FDA per pilotare il sistema negli Stati Uniti e ora lo sta testando con il Mount Sinai Hospital di New York. Fa parte di uno sforzo per ridurre le riammissioni dei pazienti, che costa agli ospedali statunitensi circa 40 miliardi di dollari all'anno.
Il successo iniziale di questi sforzi mostra tre elementi sull'uso dell'IA per implementare quella che sembra la nuova direttiva principale dei sistemi sanitari - la riduzione dei costi o il "non consumo" - nel nuovo mondo dell'assistenza sanitaria centrata sul paziente.
Il credo dei manager che vogliono una sanità a "costi ridotti" prevede queste tre direttrici di trasformazione della medicina:
1) Concentrarsi sull'impatto delle metriche critiche, ad esempio riducendo i costosi tassi di riammissione ospedaliera.
Inizia da piccoli test nell'obiettivo di avere un impatto su una metrica chiave legata sia ai risultati dei pazienti sia alla sostenibilità finanziaria. Come nel caso del progetto pilota britannico, questo può essere fatto attraverso un programma con ospedali selezionati o con sedi di fornitori. In un altro caso, il Grady Hospital, il più grande ospedale pubblico di Atlanta, punta a 4 milioni di dollari risparmiati dai tassi di riammissione ridotti del 31% in due anni grazie all'adozione di uno strumento basato sull'AI che identifica i pazienti a rischio. Il sistema avvisa i team clinici di avviare specifici punti di contatto e interventi del paziente.
2) Ridurre il rischio affidandosi a nuovi tipi di partner.
Non cercare di fare tutto da soli. Invece, stringere alleanze con partner che mirano ad affrontare problemi simili. Consideriamo Synaptic Healthcare Alliance , un programma pilota collaborativo tra Aetna, Ascension, Humana, Optum e altri. L'alleanza sta utilizzando la Blockchain per creare un set di dati gigante tra i vari operatori sanitari, con test di sistemi AI sui dati in corso. L'obiettivo è condividere e proteggere i dati sulla salute dei pazienti con l'obiettivo di ridurre il costo delle richieste di trattamento e allo stesso tempo migliorare l'accesso alle cure. Andare da solo può essere rischioso a causa di problemi di incompatibilità dei dati lavorati individualmente. Ad esempio, l'Anderson Cancer Center ha dovuto sopportare milioni in fondi per un progetto AI fallito dovuto in parte all'incompatibilità con il suo sistema di cartelle cliniche elettroniche. Unendo le forze, il set di dati di Synaptic sarà in un formato standard che rende trasportabili record e risultati.
3) Utilizzare l'intelligenza artificiale per collaborare, non competere, con professionisti altamente qualificati.
I medici cercano spesso di aumentare le loro conoscenze e ragionamenti e l'AI può aiutare. Molte applicazioni di AI per uso medico competono effettivamente con i medici. In radiologia, ad esempio, alcuni algoritmi hanno eseguito diagnosi basate su immagini in maniera più efficiente rispetto ad esperti umani. Tuttavia non è chiaro se i pazienti e le istituzioni mediche si fideranno dell'intelligenza artificiale per automatizzare completamente quel lavoro. Un progetto pilota dell'Università della California a San Diego, in cui l'AI ha diagnosticato con successo le malattie infantili in modo più accurato rispetto ai pediatri di livello junior, ha comunque richiesto ai medici senior di rivedere e firmare personalmente la diagnosi. Il vero obiettivo è sempre quello di usare l'intelligenza artificiale per collaborare con i medici che cercano maggiore precisione - non provare a sostituirli.
Il MIT e l'MGH hanno sviluppato un modello di deep learning che identifica i pazienti che potrebbero sviluppare il cancro al seno in futuro. Imparando dai dati di 60.000 pazienti precedenti, il sistema AI consente ai medici di personalizzare il loro approccio allo screening del cancro al seno, creando essenzialmente un profilo di rischio dettagliato per ciascun paziente.
Se tenute insieme, queste tre direttrici in coppia con soluzioni mirate al "non consumo" hanno il potenziale per fornire un chiaro percorso per sfruttare efficacemente una tecnologia che è stata soggetta a sviluppi molto promettenti.
A lungo termine, riteniamo che uno dei benefici trasformativi dell'AI sarà l'approfondimento delle relazioni tra operatori sanitari e pazienti. Il progetto pilota del Regno Unito, ad esempio, si traduce in check-in proattivi più frequenti che non sarebbero mai accaduti prima. Ciò è positivo sia per migliorare la salute sia per fidelizzare i clienti nel mercato emergente dei servizi sanitari incentrati sul consumatore.
Il problema si genera se rimane come imperativo solo il "non consumo" e se invece delle tre direttrici se ne assolutizza una soltanto. Se ad esempio per risparmiare si decide di assolutizzare i dati a scapito dei medici non è assolutamente garantito - per usare un eufemismo - che il sistema sia medicalmente migliore. Più economico sicuramente, più umano non sembra.
Anche nella trasformazione della medicina l'algor-etica sembra quanto mai urgente e importante.