Ia, esposti san raffaele milano: supporto per prestazioni sanitarie migliori riducendo la spesa

L’innovazione in sanità sta attraversando una fase decisiva: l’uso di intelligenza artificiale e robotica viene presentato come leva per migliorare processi, servizi e percorsi clinici, con un obiettivo chiaro—renderli più efficaci senza perdere il contatto umano. Federico Esposti, direttore strategico dell’IRCCS Ospedale San Raffaele di Milano, collega l’impiego delle tecnologie a un cambio di priorità: efficienza e sostenibilità del sistema si traducono in una spinta concreta verso l’umanizzazione delle cure.

intelligenza artificiale in sanità: dal supporto operativo ai servizi migliori

Secondo Federico Esposti, la sanità non ha seguito con la stessa rapidità l’evoluzione che ha interessato altri settori, come la tecnologia legata ai dispositivi mobili. Nel tempo, questo divario si traduce in un andamento economico in cui la crescita della spesa non è accompagnata da un pari incremento delle prestazioni. Nel contesto delineato, l’intelligenza artificiale si configura come un supporto trasversale per molte figure coinvolte nella cura e nella gestione.

Esposti sottolinea che l’IA può aiutare i professionisti sanitari, ma anche chi si occupa di programmazione, gestione dei budget e attività legate all’erogazione delle prestazioni. L’idea centrale riguarda la possibilità di controllare e ottimizzare ciò che viene restituito al cittadino, lungo tutte le fasi del percorso.

companion medico: velocizzare l’anamnesi senza allontanare il paziente

Dal punto di vista pratico, viene indicato un approccio in cui l’IA diventa un “companion”, cioè un assistente del medico capace di supportare la raccolta delle informazioni anamnestiche, con particolare attenzione alla storia clinica precedente. L’impostazione è presentata come un modo per ridurre il tempo dedicato alla digitazione durante la visita: non è la tecnologia a separare il paziente dal professionista, ma il contrario, tramite l’idea che il computer ascolti e trascriva, permettendo al medico e al personale di guardare il paziente in faccia e visitarlo in modo più pieno.

Ne deriva un passaggio concettuale: l’investimento tecnologico viene descritto come prima di tutto un intervento sull’umanizzazione, perché cambia concretamente l’organizzazione del lavoro nella relazione di cura.

robotica e ospedale: efficienza nella movimentazione e pianificazione

Accanto all’IA, la robotica viene collegata all’obiettivo di aumentare l’efficienza operativa, soprattutto in attività che possono apparire marginali dall’esterno ma che, all’interno di un ospedale, risultano estremamente dispendiose. Viene citato il tema del trasporto dei pazienti tra reparti e servizi come radiologia e fisioterapia, con l’indicazione che in un contesto ospedaliero complesso ogni giorno si registrano circa 5mila trasporti tra stanze e servizi.

In tale cornice, la IA supporta la pianificazione, mentre la robotica assiste nella movimentazione di merci e nella gestione degli spostamenti dei pazienti. L’attenzione non è rivolta esclusivamente al momento clinico, ma anche alle componenti del processo che incidono sui tempi e sulle risorse, pur avendo un valore aggiunto inferiore rispetto alle fasi direttamente connesse alla cura.

clinical trial e prevenzione: uso dell’IA per estrarre dati e prevedere percorsi

Un ulteriore impiego dell’intelligenza artificiale riguarda l’estrazione del dato, con l’obiettivo di migliorare i servizi offerti al cittadino. Viene richiamato il tema della competitività dell’Italia nel campo dei clinical trial e della sperimentazione farmaceutica, indicandola come area in cui altri Paesi europei, come la Spagna, hanno scelto di utilizzare l’IA come pilastro di sostenibilità del sistema.

Nella fase operativa descritta, l’IA è impiegata per sostenere il reclutamento dei pazienti: l’approccio prevede l’analisi autonoma di un referto di visita appena conclusa e la segnalazione al clinico dell’esistenza di un clinical trial attivo a cui il paziente potrebbe avere accesso. La valutazione proposta collega questi passaggi a una modernizzazione del percorso, puntando a incrementare i servizi resi al paziente mantenendo un livello di investimento di budget pari.

previsione con machine learning: decorso del paziente e strategie di prevenzione

Per la prevenzione viene evidenziato un lavoro avviato negli ultimi 3-4 anni sulla creazione di sistemi di previsione. L’approccio menzionato utilizza tecniche di machine learning che abbinano dati del paziente agli outcome, con l’obiettivo di stimare come potrà evolvere il decorso a prescindere dalle condizioni cliniche presenti al momento.

Accanto alle previsioni, viene indicata come opportunità rilevante la gestione dei dati genetici. Tali informazioni vengono considerate ricche di elementi utili per pianificare strategie di prevenzione primaria e secondaria, oggi descritte come difficilmente accessibili. La direzione prospettata mira a integrare sistemi e strumenti infrastrutturali con software di intelligenza artificiale attualmente oggetto di test, per rendere effettivamente utilizzabile l’informazione genetica a fini preventivi.

focus su federico esposti e le aree di intervento citate

Federico Esposti collega l’adozione dell’innovazione tecnologica a una trasformazione concreta del modo di lavorare in sanità: supporto al medico nella raccolta delle informazioni, efficientamento nella movimentazione e nella pianificazione, valorizzazione dei dati per favorire l’accesso a cure innovative tramite clinical trial e impiego di previsioni per migliorare la prevenzione.

• Federico Esposti