Analisi dati sanità: come sfruttare i dati non strutturati?

L’analisi dei dati in sanità non può prescindere da un approfondimento sul valore reale dei dati non strutturati, nei quali trova spazio un vero e proprio tesoro di conoscenza che può essere sfruttato per raggiungere diversi obiettivi. Solo per citarne alcuni:

• Miglioramento della clinical governance
• Ottimizzazione dell’appropriatezza prescrittiva
• Perfezionamento del patient journey
• Riduzione degli sprechi e dei costi
• Taglio dei tempi d’attesa

E molti altri. La certezza è che la stragrande maggioranza dei dati con cui le strutture e gli attori del sistema hanno a che fare ogni giorno è di tipo non strutturato. Ovvero, le informazioni al loro interno non seguono un’architettura standardizzata e, quindi, non si prestano né ad una normalissima ricerca né tantomeno ad un’analisi approfondita e contestuale valorizzazione. In sanità, gli esempi sono moltissimi: i referti scritti in linguaggio naturale, le note di diario, i quesiti diagnostici, ma anche l’immenso ecosistema dell’imaging radiologico che nasconde un tesoro di inestimabile valore non solo a livello di clinical governance, ma anche di progresso medico.

Analisi dati in sanità e le sfide da affrontare

Analisi dei dati in sanità significa essere in grado di interpretare questa enorme mole di dati in continuo movimento e di indirizzarne le evidenze verso gli obiettivi di ciascun progetto, che vanno dal miglioramento dell’appropriatezza prescrittiva – e contestuale riduzione delle liste d’attesa – fino alla riduzione degli sprechi nella sanità pubblica e privata.

Se il valore dell’analisi dei dati in sanità è indubbio, lo sono anche le sfide da affrontare: silos di dati non comunicanti, assenza di strumenti di analisi e mancanza di competenze fanno sì che il tesoro informativo delle aziende sanitarie resti in buona parte inesplorato. Le strutture innovative sono quelle che si dotano proprio di una governance data-driven, ovvero che riescono a valorizzare i dati a prescindere dal loro volume e dalla loro natura. A titolo d’esempio, una delle sfide che le strutture affrontano quotidianamente è il miglioramento dell’appropriatezza prescrittiva, che dipende in buona parte dalla valutazione di documenti redatti per iscritto ma in testo libero, tra cui referti e quesiti diagnostici.

Piattaforme di analisi e tecnologie innovative

Fortunatamente, gli strumenti con cui interpretare documenti redatti in linguaggio naturale oggi non mancano. Nel caso ipotizzato, la struttura si potrebbe infatti dotare di una piattaforma di analisi in grado di processare documenti in linguaggio naturale (tecnica nota come NLP, Natural Language Processing), comprendendone perfettamente il lessico specialistico e trasformando un testo libero in un documento strutturato, su cui condurre ogni tipo di analisi indirizzata alle finalità del progetto. Tutto ciò, inoltre, permetterebbe di abilitare e semplificare la ricerca delle informazioni. Se a tutto ciò si aggiungono analisi basate sull’Intelligenza Artificiale, è possibile aggiungere all’analisi dei dati un approccio predittivo, comprendendo in anticipo le esigenze dei pazienti e strutturandosi per soddisfarle al meglio, senza sprechi, inefficienze e disservizi.

Analisi dati in sanità e il potenziale dell’imaging radiologico

Il discorso è parzialmente analogo con riferimento all’imaging radiologico, che ormai è digitalizzato da diverso tempo. L’utilizzo dell’Intelligenza Artificiale e di riconoscimento di immagini può potenziare le competenze del radiologo aiutandolo nelle diagnosi più complesse o, ipotesi molto più probabile, sollevarlo da parte del lavoro nei casi di assoluta routine per permettergli di concentrarsi sui casi e le interpretazioni più complesse. Ad un livello di analisi ancor più approfondito, l’indagine sull’imaging radiologico potrebbe portare a una differenziazione fine delle patologie, così da evitare al paziente esami più invasivi e abilitare una forte personalizzazione dell’iter di cura. Radiomica e radiogenomica rientrano in questo percorso, che alimenta una delle prospettive più interessanti della scienza odierna: la medicina di precisione.