Caos e ordine: come gli standard di dati e l’intelligenza artificiale generativa vanno di pari passo nell’assistenza sanitaria

I dati non strutturati sono come un’orchestra che non segue alcuna nota: un’accozzaglia di melodie dal volume disomogeneo. Una cacofonia che non è altro che una sofferenza per il pubblico. Solo introducendo uno spartito nasce una sinfonia. In altre parole calandoci nel contesto dei dati: con l’introduzione di formati, terminologia e governance comuni si dà un ordine sotto forma di dati strutturati. È qui che viene in aiuto l’intelligenza artificiale. Un po' come il nostro direttore d’orchestra: veloce come un fulmine ma grandioso solo quando lo spartito è in armonia.

Questa metafora vuole evidenziare l’importanza dell’ordine nel contesto dei dati. Senza di esso, anche il migliore direttore d’orchestra, ovvero la migliore intelligenza artificiale, è inutile. Nel settore sanitario svizzero, ogni giorno vengono generati innumerevoli punti dati in una grande varietà di formati come, ad esempio, risultati di laboratorio in formato PDF, radiografie in formato DICOM, elenchi di medicinali sotto forma di testo libero o dati di fatturazione in sistemi proprietari. In assenza di una semantica formale si viene a creare un disordine «entropico»: le informazioni non possono essere riutilizzate, gli errori si propagano e i rischi di responsabilità aumentano.

Programmi come la Swiss Personalized Health Network (SPHN) e HL7 Switzerland si basano su standard e principi interoperabili. Tre elementi costituiscono la base per dati riutilizzabili – il prerequisito per un’opportuna integrazione delle applicazioni di intelligenza artificiale: modelli strutturali come HL7 FHIR, terminologie cliniche come SNOMED CT e regole di governance come i principi FAIR (rintracciabili, accessibili, interoperabili, riutilizzabili). Solo la loro interazione impedisce la proliferazione incontrollata creando una solida base per le applicazioni di intelligenza artificiale. Gli standard sono lo spartito, l’intelligenza artificiale generativa è il direttore d’orchestra: anche il miglior direttore non può armonizzare la sua orchestra senza note a spartito. 

Un’elevata qualità dei dati e un contesto strutturato migliorano i risultati dei sistemi generativi e possono ridurre cosiddette «allucinazioni» dell’intelligenza artificiale, soprattutto se le risorse FHIR (blocchi di dati digitali standardizzati per informazioni sanitarie) fungono da base di riferimento strutturata. Negli studi pilota, i medici spesso valutano positivamente le risposte generate in termini di accuratezza e comprensibilità ma allo stesso tempo continuano a esserci limiti a seconda del compito. Ed è solo attraverso terminologie specifiche in base al dominio, come ICD o SNOMED, che possiamo misurare gli output più oggettivamente e ottimizzarli in modo mirato. Un’etichettatura ordinata, un contesto strutturato e codici chiari avvicinano l’intelligenza artificiale dal mero utilizzo ludico all’impiego clinico affidabile.

L’intelligenza artificiale aiuta anche a creare ordine: i modelli perfezionati codificano automaticamente il testo libero in codici ICD o SNOMED e alimentano le risorse FHIR corrispondenti riducendo, così, l’onere della codifica manuale. I processi dell’intelligenza artificiale possono anche confrontare tra loro diversi sistemi di terminologia medica e creare collegamenti tra diverse strutture di dati. Inoltre, i modelli generativi possono essere utilizzati per creare cartelle cliniche artificiali con proprietà statistiche simili – utili per la ricerca e la sperimentazione tenendo sempre conto di valutazioni in termini di utilità e privacy.

Le operazioni attuali combinano reti neurali con nozioni mediche per ridurre cosiddette «allucinazioni». I chatbot basati su FHIR e le pipeline di assegnazione (parzialmente) automatizzate dei formati di dati mostrano, già oggi, un potenziale per ridurre il carico di lavoro manuale. Al contempo, gli attuali sondaggi mostrano un gap in termini di fiducia: a seconda dello studio, l’approvazione risp. il gradimento dell’intelligenza artificiale da parte delle pazienti e dei pazienti si attesta intorno al 48-59%, mentre il personale specializzato è decisamente più ottimista. La trasparenza, la governance e l’evidenza diventano quindi fondamentali, così come i modelli di distribuzione conformi alle norme in materia di protezione dei dati (ad esempio l’archiviazione in Svizzera o in un ambiente cloud protetto).

La tecnologia è pronta e la tabella di marcia è stilata. Se gli standard compongono lo spartito e l’intelligenza artificiale generativa è il direttore d’orchestra è necessaria una sala da concerto sicura: ed è proprio ciò che HIN rappresenta da anni nel settore sanitario svizzero. Lavoriamo insieme per trasformare le cacofonie di dati in sinfonie.