L’Intelligenza Artificiale in soccorso degli operatori sanitari con due nuovi tool rilasciati da Google Cloud.

Accanto all’incredibile lavoro portato avanti dagli operatori sanitari, l’emergenza da Covid-19 ha messo in luce l’urgenza di rispondere ad alcune esigenze specifiche legate alla gestione delle informazioni sanitarie e all’interpretazione dei dati non strutturati.  Mai come nel corso della pandemia è infatti apparso evidente come  sia delicato il complesso processo di revisione e scrittura dei documenti medici e come sia necessario, nella fase dell’acquisizione dei dati, ricorrere a strumenti intelligenti per evitare errori, anche gravi.

Per questo Google Cloud ha rilasciato Healthcare Natural Language API AutoML Entity Extraction for Healthcare, due strumenti di intelligenza artificiale pensati per aiutare le aziende e gli operatori sanitari a elaborare grandi volumi di testo destrutturato.

Healthcare Natural Language API estrae informazioni dalle note delle cartelle cliniche o da altri testi digitali che normalmente richiedono una revisione manuale, cercando di evidenziare le informazioni mediche di rilievo in base al contesto del linguaggio circostante. Per fare un esempio, il sistema è in grado di distingure quali farmaci siano stati prescritti in passato e quali no e rileva la probabilità di un sintomo o di una diagnosi specifica a partire dalle sfumature del linguaggio. Spesso sono proprio le note redatte dal medico curante e presenti a margine delle cartelle cliniche a contenere le informazioni più rilevanti per la salute di un paziente.

AutoML Entity Extraction for Healthcare invece è una piattaforma di sviluppo di Intelligenza Artificiale facile da usare e che consente l’accesso a tali tecnologie anche da parte di utenti meno esperti. In altre parole, non sarà più necessario essere specialisti di machine learning per costruire strumenti di estrazione delle informazioni.

Vantaggi e funzionamento 

Con l’Healthcare Natural Language API, i professionisti possono disporre di tutte le conoscenze mediche che vengono raccolte in forme destrutturate  (come le vaccinazioni o i farmaci abituali).

L’Healthcare Natural Language API identifica le informazioni mediche nei documenti, estraendo automaticamente le informazioni sulle procedure mediche, i farmaci, i segni vitali del corpo o le condizioni fisiche. Utilizzando l’apprendimento automatico, l’API identifica gli elementi clinicamente rilevanti in base al contesto e può perfino distinguere tra le informazioni mediche che riguardano il paziente e quelle relative ai suoi parenti. Potranno utilizzare il sistema anche le aziende di teleassistenza sanitaria – per identificare i sintomi più rilevanti, le condizioni preesistenti e i farmaci – e le aziende del settore farmaceutico e delle biotecnologie – per ottimizzare gli studi clinici aumentando l’accuratezza dei pazienti in base ai criteri del protocollo di inclusione/esclusione granulare.

La tecnologia Healthcare Natural Language API può anche guidare l’efficienza operativa nei flussi di lavoro di revisione dei documenti, come la reportistica sulla qualità dei dati e del set di informazioni sull’efficacia dell’assistenza sanitaria (Healthcare Effectiveness Data and Information Set – HEDIS) o l’adeguamento al rischio della categoria di condizioni gerarchiche (HCC).

AutoML Entity Extraction for Healthcare facilita l’estrazione di informazioni personalizzate. Si tratta di una piattaforma di sviluppo AI facile da usare che amplia l’accesso all’AI a tutti gli utenti con diversi background tecnici. AutoML Entity Extraction for Healthcare completa la copertura degli approfondimenti disponibili attraverso l’API del linguaggio naturale per l’assistenza sanitaria. I professionisti del settore sanitario potrebbero non avere le competenze tecniche necessarie per costruire i propri strumenti per l’estrazione di informazioni dai documenti digitali. Con AutoML Entity Extraction for Healthcare, grazie ad una semplice interfaccia, i professionisti della sanità possono ad esempio facilmente costruire strumenti di estrazione di informazioni per le mutazioni geniche e i fattori socio-economici. 

Un esempio pratico di Machine Learning nell’ambito della sanità

Arsenàl.IT, Centro Veneto Ricerca e Innovazione per la Sanità Digitale, ha avviato tempo fa un percorso esplorativo nel campo dell’Intelligenza Artificiale e del Machine Learning avviando una ricerca scientifica per l’estrazione di informazioni cliniche significative dai documenti clinici non strutturati e la successiva classificazione secondo i sistemi di codifica più diffusi in ambito clinico-sanitario, utilizzando algoritmi di Machine Learning. 

Con la messa a regime del FSEr e l’alimentazione da parte delle aziende sanitarie con i documenti clinici previsti da obiettivi regionali, si sono rese disponibili una serie di informazioni raccolte all’interno dei documenti sia in formato strutturato (ad es. il referto di laboratorio, strutturato secondo lo standard CDA®) sia non strutturato (ad es. lettere di dimissione ospedaliera – LDO – in formato pdf). 

L’obiettivo è duplice. Da un lato capire se gli algoritmi di Machine Learning e le soluzioni di Artificial Intelligence sviluppati in altri ambiti sono applicabili a quello clinico sanitario, dall’altro sviluppare algoritmi di Machine Learning ad hoc che vengano poi trasformati in servizi agganciati al FSEr e che possano dare un valore aggiunto sia all’ambito clinico (sviluppo applicazioni di supporto alle decisioni cliniche) sia a quello della governance regionale (medicina di popolazione, prevenzione, ecc.). Tutto ciò anche in un’ottica di applicazione delle soluzioni nel campo della medicina predittiva e preventiva, garantendo vantaggi a tutta la popolazione.

Va ribadito, infatti, che questa esperienza viene realizzata nell’ambito del fascicolo sanitario elettronico del Veneto e che tutti i vantaggi vanno ricondotti in tale ottica a tutta la cittadinanza.

Condividi: