Post di Andrea Jester, Managing partner e co-founder di NSBProject – 

Dalla diagnostica alla terapia l’intelligenza artificiale (AI) potrebbe rivoluzionare la sanità europea. Le applicazioni AI si candidano a dare risposte concrete all’urgente bisogno della sanità europea di migliorare le prestazioni e renderle sostenibili su larga scala.

NSBProject da quasi vent’anni si occupa di accelerare i processi di trasferimento tecnologico in diversi ambiti tra cui la sanità. Come partner di progetti di ricerca pubblici e privati osserva le frontiere dell’innovazione nella sanità digitale e coinvolgiamo tutti gli attori dell’ecosistema affinché le più promettenti possano definire nuovi standard ed entrare nel mercato. Senza dubbio questa frontiera oggi è dominata dall’AI.

Il progetto europeo HosmartAI ha contribuito a dare impulso ad alcune esperienze sull’utilizzo dell’AI per ottimizzare le prestazioni ospedaliere, cui NSBProject ha contribuito portandole oltre gli spazi della sperimentazione. Tra le innovazione emergenti che stiamo traghettando fuori dai laboratori, negli ospedali e nel mercato le soluzioni di 10 fornitori di tecnologie (istituti di ricerca, università, R&D di imprese) in 7 paesi diversi sono pronte per entrare sul mercato.

Alcuni esempi europei di applicazioni AI alle prestazioni ospedaliere

Tra queste CADXpert OB-GYN, spin-off dell’Athens Aristotle University, ha sviluppato un’applicazione AI per la rilevazione precoce del parto pretermine. Una tecnologia che migliora la precisione diagnostica riducendo i margini di errore e il ritardo nei trattamenti, promettendo di diventare strumento indispensabile nella pratica ostetrica moderna.

Della stessa università greca è lo spinoff GutScanner, che ha realizzato e testato un software di diagnostica che supporta i gastroenterologi nell’analisi dei video di endoscopia tramite capsule. Combinando algoritmi di intelligenza artificiale all’avanguardia GutScanner identifica una vasta gamma di patologie dell’intestino tenue, sicché una clinica di gastroenterologia può ottenere diagnosi più rapide e precise con un significativo risparmio di tempo e risorse.

ZinaRT Scheduler, sviluppato dal centro di ricerca ITCL e dall’Università di Liegi, utilizza l’AI  per ottimizzare la programmazione delle sedute di radioterapia, aumentando l’efficienza dei trattamenti.

IoT Radar UWB Device, lanciato da Vimar Spa, è invece una tecnologia che combina domotica e AI: grazie a sensori intelligenti consente di monitorare il paziente in terapia riabilitativa anche in assenza di un operatore fisico, con un notevole efficientamento delle risorse. La sperimentazione avviata dall’IRCCS San Camillo di Venezia sta dando risultati molto promettenti, che se riportati su scala nazionale potrebbero portare a significativi risparmi alla spesa sanitaria nazionale.

Heart+ Map realizzato dalla tedesca 91life gmbh, utilizza l’AI per migliorare la gestione delle aritmie generando mappe cardiache a partire dai dati raccolti analizzandoli per ottenere informazioni e previsioni con riferimento in particolare agli interventi di ablazione cardiaca. L’applicazione, quindi, genera un gemello digitale funzionale all’ottimale progettazione dell’intervento.

Sigeda è una soluzione realizzata da uno spin off del centro di ricerca spagnolo ITCL che consente agli sviluppatori di intelligenza artificiale di ampliare i dataset di immagini/video per l’addestramento di algoritmi di deep learning per la visione artificiale, in grado di generare un numero illimitato di immagini/video, in base alle esigenze; l’etichettatura automatica di tutti i dati, la posizione precisa del soggetto conosciuta (ground truth) evitando bias e questioni etiche.

MovasCare è una soluzione sofisticata progettata per migliorare la continuità delle cure. Questo strumento integra un insieme completo di tecnologie mirate a facilitare strategie di cura articolate, che comprendono screening e monitoraggio del paziente, intervento e pianificazione sistematica della riabilitazione.

Costi fuori controllo, carenza di personale: troppe buone idee nei cassetti

La ricerca è in fermento e investimenti pubblici e privati si riversano sulla ricerca di soluzioni innovative e digitali basate sull’intelligenza artificiale applicate alla sanità. Il piano attuale della Commissione europea prevede 1 miliardo di euro di investimenti annui in AI applicata alla sanità e si è data come obiettivo di arrivare a un volume aggregato di investimenti pari a 20 miliardi l’anno entro il 2027[1].

I costi fuori controllo dei sistemi sanitari nazionali, la cronica carenza di personale, l’invecchiamento della popolazione che porta ad aumentare il numero di potenziali pazienti, la frammentazione delle informazioni, sono le sfide che, come emerge anche dall’ultimo rapporto del World Economic Forum sul futuro dell’AI nella sanità, rendono ancora più urgente la risposta dell’innovazione tecnologica, eppure tante buone idee giacciono nei cassetti dei laboratori R&D di aziende e università.

Oltre alle soluzioni già ad un livello di maturità tecnologica avanzata, altre soluzioni innovative sono in fase di sperimentazione. Ad esempio, un sistema virtuale per monitorare lo stato cognitivo e fisico degli anziani è in fase di sviluppo, con il lancio previsto entro 1-2 anni. Un’altra soluzione, particolarmente ambiziosa, utilizza l’AI per la ricerca oncologica sul glioma, un tumore cerebrale, e potrebbe rivoluzionare l’approccio alla diagnosi e al trattamento. Ma la prontezza tecnologica non è sempre sinonimo di effettivo ingresso sul mercato.

L’80% della ricerca finanziata nella sanità resta in laboratorio

Purtroppo, si stima che circa l’80% della ricerca finanziata nell’ambito delle tecnologie digitali in Europa resta in laboratorio. Nonostante il crescente bisogno e gli investimenti in campo, il divario tra domanda e l’effettiva adozione di soluzioni si amplia perché nella pratica l’introduzione di nuove risposte tecnologiche è un processo codificato con regole e prassi che non sono affatto scontati e devono fare i conti con resistenze culturali e carenza di competenze. Il trasferimento tecnologico gioca un ruolo cruciale in questo processo, facilitando l’adozione di nuove tecnologie, avvicinando l’innovazione alla pratica clinica, che in ultima analisi migliora i servizi per i pazienti e efficienta le risorse.

Designed by Freepic

Due regole: uscire dal progetto, creare alleanze

L’adozione su larga scala di un progetto, una soluzione innovativa deve seguire due regole fondamentali.

Deve uscire dal progetto, creare opportunità: HosmartAi ha permesso lo sviluppo di soluzioni all’interno di contesti molto specifici: come spesso accade i progetti di ricerca sono localizzati e costruiti intorno ad un particolare contesto ospedaliero o sanitario. Qui serviva capire le potenzialità e gli impatti che gli stessi progetti avrebbero potuto avere al di fuori dei contesti nei quali erano stati pensati.

Serve quindi “uscire dal progetto” per capire se oltre agli studi clinici di partenza c’è una vera domanda e comprenderne meglio l’effettivo potenziale. Per fare questo NSBProject ha portato alcune delle soluzioni sviluppate in ulteriori 10 ospedali europei che non facevano parte del circuito HosmartAI avviando ulteriori test e validazioni.

Creare alleanze. il mercato delle innovazioni in sanità pullula di iniziative di ricerca, sviluppo ed innovazione. Individuare le complementarità tra quanto sta facendo il “nostro partner” e quello che fanno altri è diventata prassi nel processo di trasferimento tecnologico di NSBProject: serve saper mettere insieme i tasselli di un mosaico molto complesso, fatto di professionisti della sanità, della ricerca, dell’industria e della finanza, per comprendere quali soluzioni avranno maggiori possibilità di essere trasferite e adottate. Anche il confronto sano, infatti, con chi per mestiere investe capitali privati (che sia un seed round piuttosto che un secondo, terzo o quarto round di finanziamento) aiuta a comprendere come sta andando il mercato.

Per la sanità un approccio sistematico al trasferimento tecnologico

Gli investitori finanziari privati sono ottimi “avvocati del diavolo” e contribuiscono, in una logica di reciproco scambio di informazioni, ad avere un termometro più accurato sul mercato. Questo è un esempio che mostra come chi si occupa di trasferimento tecnologico debba avvalersi di una rete di alleanze internazionale multidisciplinare con la quale confrontarsi per riuscire a costruire un quadro di insieme completo e decidere la strada da intraprendere.

Se l’AI è pronta a dare molte risposte ai bisogni del sistema sanitario, la trasformazione della sanità verso modelli sostenibili richiede un approccio sistematico al trasferimento tecnologico, fatto di nuove competenze specializzate e diversificate.

[1] Excellence and trust in artificial intelligence – European Commission (europa.eu)