A quando un’intelligenza artificiale applicata al procurement sanitario?

Negli ultimi anni l’intelligenza artificiale è sulla bocca di tutti, utilizzata anche in ambito clinico. Gli algoritmi, però, non riguardano quasi mai l’aspetto gestionale e di procurement della sanità, che potrebbe invece giovarsi, nella programmazione, della grande mole di informazioni sanitarie che abbiamo a disposizione. Ne parliamo con l’Ausl Romagna e Aria Spa (Lombardia)

Negli ultimi anni, l’intelligenza artificiale è sulla bocca di tutti. Non c’è settore che non sia stato toccato da quella che sarà, e spesso è già, un’innovazione importante, che supporta l’essere umano e ne migliora le prestazioni.

Le applicazioni che sono state sperimentate, però, sono ben lontane dai film di fantascienza e, in parte, anche dalle previsioni catastrofiste (la tecnologia che ci ruberà il lavoro, le macchine dotate di una propria coscienza) che si sono inseguite negli anni.

In medicina, algoritmi di intelligenza artificiale si stanno sperimentando in ambito clinico: si tratta soprattutto di software che vengono “nutriti” con grandi quantità di dati, per esempio immagini di cancro della pelle, e sono più veloci a individuare una lesione maligna rispetto all’uomo. Un altro ambito promettente è quello che riguarda i chatbot, assistenti virtuali in grado di affiancare i pazienti nelle loro esigenze di base.

Questi primi passi, però, non riguardano quasi mai l’aspetto gestionale e di procurement della sanità, che potrebbe invece giovarsi – nella programmazione – della grande mole di informazioni sanitarie che abbiamo a disposizione.

Una delle priorità della Commissione europea per il periodo 2019-2025 è la creazione di uno spazio europeo dei dati, anche sanitari. Questo permetterà di avere a disposizione informazioni aggiornate e accessibili, oltre a favorire lo scambio di dati tra Paesi grazie a sistemi interoperabili (traguardo non ancora raggiunto per esempio a livello italiano, dove spesso le piattaforme delle diverse Regioni non si “parlano”).

In questo contesto abbiamo chiesto a due realtà d’eccellenza nel nostro Paese come sia la situazione per quanto riguarda i dati sul procurement sanitario, la gestione dei magazzini e i calcoli del fabbisogno. In questi ambiti l’utilizzo dell’intelligenza artificiale è ancora futuribile, ma qualcosa si sta muovendo.

Lo switch culturale

Mattia AltiniPer Mattia Altini, direttore sanitario dell’Ausl Romagna, “in questo momento non sono gli strumenti a mancarci, ma il modello organizzativo”. L’azienda sanitaria che dirige è frutto della fusione – avvenuta nel 2014 – delle quattro precedenti aziende territoriali. Copre un’area con oltre un milione di abitanti e ha più di 4.000 posti letto. “Subito dopo l’unificazione abbiamo lavorato per avere strumenti di gestione centralizzati – spiega Altini – È stato così automatizzato il magazzino unico di Pievesestina e si è rafforzato il laboratorio unificato di ematochimica e microbiologia”.

Nel magazzino da 6.000 metri quadri gestito da Gianluca Prati, responsabile della Gestione logistica dell’Ausl Romagna, 14.500 vani di stoccaggio sono posizionati all’interno del sistema automatico verticale a vassoi rotanti per la movimentazione e lo stoccaggio di farmaci e dispositivi medici a temperatura controllata. Due volte a settimana ciascun coordinatore infermieristico può effettuare l’ordine, che gli viene consegnato il giorno successivo.

Francesca Galardi“Si tratta di un processo impegnativo, perché occorre aggiornare continuamente gli articoli, che naturalmente cambiano, così come le esigenze di reparto – afferma Francesca Galardi, ingegnere gestionale che segue i processi dell’Ausl Romagna – Tuttavia, l’automazione e il fatto di avere un magazzino centralizzato ci permette di ottimizzare i risultati e migliorare la velocità di risposta”.

Se in Romagna questo avviene da anni, nel resto del Paese si è iniziata la sperimentazione di soluzioni simili.

Il cambiamento culturale auspicato da Altini riguarda il concepimento di un’azienda sanitaria come un’entità “al passo con i tempi e in grado di garantire una buona efficienza operativa, massimizzando l’efficacia della sua azione. Quando pensiamo alla sanità ci immaginiamo medici e chirurghi. Si tratta di una parte fondamentale, ma è altrettanto importante la filiera produttiva che si vede meno ma che ha la stessa rilevanza”.

L’importanza del dato

L’ente pubblico sanitario per Altini ha un impianto burocratico che si attiene più alla forma che alla competitività, almeno per quelle aree che non sono considerate strategiche. “Dobbiamo riuscire a superarlo con un approccio diverso. Oggi abbiamo norme vecchie inserite in un contesto fluido, che cambia quotidianamente: ripensare ai processi di trasporto, di logistica e di approvvigionamento è importante tanto quanto curare i pazienti. L’intelligenza artificiale è senz’altro un’applicazione interessante per l’approvvigionamento – riconosce Altini – Ritengo tuttavia che, prima di arrivare a poterla usare in modo consapevole, sfruttando le sue potenzialità nella gestione della logistica, siano necessari diversi step”.

Un esempio su tutti: avere dati di qualità da “dare in pasto” alle macchine. “Da un anno e mezzo stiamo per esempio lavorando sulle chirurgie – esemplifica Galardi – L’intenzione è riprogettare l’intera filiera, dalla prima visita al follow up, rendendola più efficiente. Per farlo, abbiamo dovuto verificare la qualità del dato a nostra disposizione. Abbiamo coinvolto un centinaio di professionisti, da chi si occupa delle scorte, a chi organizza la sala operatoria, fino a chi opera e fa il pre-ricovero. Dopo 18 mesi di lavoro intenso, siamo riusciti a restituire ai professionisti una lista d’attesa informatizzata e trasparente”. Uno strumento utile solo se viene aggiornato costantemente dai diretti interessati.

I dati non servono per punire qualcuno, ma per aiutare i professionisti a lavorare il meglio possibile, per fornire loro uno strumento per poter organizzare le loro mansioni nella maniera più corretta e snella

“In questo percorso fatto insieme è stato importante per noi far capire che il dato non serve per punire qualcuno, ma per aiutare i professionisti a lavorare il meglio possibile, per fornire loro uno strumento per poter organizzare le loro mansioni nella maniera più corretta e snella – aggiunge l’ingegnere gestionale – L’obiettivo è arrivare a breve a un cruscotto che restituisca a tutte le unità operative quanto stanno spendendo, perché, per cosa, qual è il livello di scorta di quel fabbisogno e così via. È un percorso ancora lungo, ma l’idea c’è”.

In tutto questo, paradossalmente, l’emergenza sanitaria che stiamo vivendo “è stato un bel motore per superare alcune questioni che erano sul tavolo, ma non possiamo sperare in una tragedia per poter riuscire a fare le cose – riflette Altini – Questo passaggio è stato aiutato da una contingenza tristissima, adesso però occorre prenderne coscienza e muoversi di conseguenza. Una delle prime cose da fare è revisionare le regole di sistema, a livello nazionale. Abbiamo fatto dei passi in avanti, ma manca una cornice. Riformare un sistema in ottica digitale significa riprogettare il processo, non semplicemente scannerizzare quello che si faceva su carta”.

Quanto tempo servirà all’Ausl Romagna per vedere l’applicazione di forme elementari di intelligenza artificiale? “Io credo che in 3-5 anni potremmo avere un sistema di calcolo dei fabbisogni più evoluto, che permetta una previsione basata non solo sullo storico, ma anche su altre variabili”, stima Altini.

Un circolo virtuoso di ritorno informativo

L’approccio collaborativo è quello che caratterizza anche Aria Spa, l’Azienda Regionale per l’Innovazione e gli Acquisti della Regione Lombardia.

“Vogliamo perseguire i nostri obiettivi in modo cooperativo e graduale, mostrando agli enti sanitari il vantaggio che possono avere seguendo certi processi”. Marco PanteraMarco Pantera, responsabile della Direzione Acquisti di Aria Spa, che è centrale di committenza regionale e soggetto aggregatore, spiega: “Stiamo passando da un meccanismo di calcolo del fabbisogno dichiarato direttamente dagli enti a uno che fa uso del patrimonio dati di Regione Lombardia”. Nonostante in Lombardia si raccolgano informazioni sulle prestazioni sanitarie e sui consumi ormai da anni, la qualità di questi dati non è ancora soddisfacente ovunque. “Il nostro lavoro adesso è evidenziare quali sono i punti di criticità nei dati che ci servono per le elaborazioni a livello regionale affinché, attraverso atti normativi centralizzati, possano essere aggiornate le modalità di raccolta di queste informazioni. Finora infatti questi dati sono stati raccolti, ma non destinati esplicitamente a questo scopo. Si tratta di utilizzare queste informazioni mettendole a vantaggio del Sistema Regione”.

Oltre ai flussi comunicati dai vari enti, Aria ha coinvolto anche le case farmaceutiche: “Abbiamo chiesto al mercato i dati di consumo in base al principio attivo, per ottenere una stima più precisa di ciò che succede a livello regionale. Crediamo molto nella cooperazione tra fornitori e enti sanitari. Questo permette all’azienda sanitaria di non rimanere scoperta e può orientare il mercato a fornire prodotti e soluzioni che siano sempre più confacenti alle esigenze di salute espresse dalla popolazione”.

Per quanto riguarda la raccolta dati, l’aspetto maggiormente problematico riguarda la granularità: le informazioni non sempre hanno il livello di dettaglio che sarebbe necessario per compiere valutazioni sul fabbisogno e per soddisfare le esigenze degli attori coinvolti nel processo di acquisto.

Le informazioni non sempre hanno il livello di dettaglio necessario per compiere valutazioni sul fabbisogno e per soddisfare le esigenze degli attori coinvolti nel processo di acquisto

“In questo momento siamo nella fase in cui richiamiamo l’ente che trasmette dati di qualità non sufficiente, in un’ottica di miglioramento – afferma Pantera – Ritengo che in un paio d’anni non saranno più necessarie attività di recall sulle aziende: avremo un meccanismo completamente informatizzato, in grado di fornire dati agli enti sanitari sulla base dei consumi reali effettuati. Questi, da soli, non sono sufficienti a determinare il fabbisogno: il fatto che un ente abbia acquistato per anni un certo prodotto non è infatti garanzia che continui a farlo in futuro. Per questo è importante che l’azienda sanitaria confermi i dati anche in base a quella che è la sua gestione operativa”.

Un modello di questo tipo avrebbe ricadute positive anche sugli stessi enti territoriali poiché oggi esiste una difficoltà di fondo a stimare ciò di cui si necessita: “A volte facciamo gare per un determinato fabbisogno e poi le aziende sanitarie acquistano volumi differenti. Nel nuovo modello gli enti avranno invece la possibilità di confermare i quantitativi anche in base a informazioni che noi non abbiamo, come per esempio le indicazioni operativo-strategiche che ricevono dalla loro direzione”.

L’intento è stabilire un circolo virtuoso nel quale dati con una granularità maggiore siano utili agli enti stessi per esprimere al meglio i propri fabbisogni e li spingano quindi a fornire informazioni sempre più in linea con quelle richieste.

L’intelligenza artificiale

Per aumentare il dettaglio dei dati, è sufficiente una modifica tecnica alla piattaforma, che inibisca l’invio qualora l’informazione sia incompleta. “A questo deve ovviamente seguire una riorganizzazione da parte degli enti, che devono raccogliere il dato in modo diverso. A volte si tende a voler intercettare qualunque tipo di informazione, ma questo fa sì che arrivino tantissimi dati che sono poi utilizzati male. Così facendo, si spreca molto tempo nella raccolta e si perde il focus. Serve il giusto equilibrio tra massima granularità dell’informazione e l’utilità per chi la deve utilizzare”, sostiene il numero uno di Aria Spa.

Sull’intelligenza artificiale anche in Lombardia c’è una grandissima aspettativa ed è sicuramente una tecnologia che sta dando i suoi risultati, ma per Pantera la strada per portarla a sistema è ancora lunga, sebbene sia stata imboccata.

“Da un lato, una volta che abbiamo dati di qualità, possiamo fare una proiezione dei consumi per gli anni a venire facendo delle prime correlazioni basilari tra dati di consumo e altri più strutturali legati alla popolazione. In questo modo avremo algoritmi che, sulla base di correlazioni tra consumi storici e andamento della popolazione, possono fare delle prime previsioni. Questo è un risultato che ritengo si possa ottenere a breve termine, utilizzando dati di qualità adeguata”.

La parte più sfidante è cercare di correlare questi dati con quelli di politica sanitaria, con gli andamenti epidemiologici e con le informazioni relative alle prestazioni sanitarie da erogare in un determinato contesto territoriale ed epidemiologico

La parte invece più sfidante è cercare di correlare questi dati con quelli di politica sanitaria, con gli andamenti epidemiologici e con le informazioni relative alle prestazioni sanitarie da erogare in un determinato contesto territoriale ed epidemiologico. “Su questa elaborazione di secondo livello credo sia necessario lavorare di più con i fornitori di queste tecnologie e ritengo che il percorso sia meno immediato – afferma Pantera – Per la sua buona riuscita sono cruciali gli epidemiologi: dobbiamo identificare con loro quali sono gli algoritmi che devono essere utilizzati. Immagino che sia una modalità di misura che potremmo pensare di avere a piena disposizione tra non meno di 5 anni”.

Tutto questo potrebbe essere utilizzato non solo per i farmaci e i dispositivi medici, ma anche per i servizi, a partire da quelli basilari come la pulizia e la ristorazione ospedaliera. “Non ci sono acquisti più semplici di altri, ciascuno presenta elementi di criticità – conclude Pantera – Correlare i vari parametri non è affatto banale, ma è senz’altro la strada giusta. Per la mia esperienza, però, si tratta di un processo che deve avvenire per gradi: prima occorre mettere a terra le idee per l’intelligenza artificiale e l’utilizzo dei big data, dopodiché vanno scelti gli strumenti più appropriati per configurarli, anche in termini di apprendimento o autoapprendimento, secondo logiche e necessità definite. Difficilmente si riuscirà a sfruttare da subito le potenzialità degli strumenti così come sono descritte dagli operatori di mercato. Serve in ogni caso avere la capacità di adottare queste tecnologie facendo in modo che ciò che viene prodotto sia davvero utilizzabile e risponda appieno alle esigenze di chi acquista”.

Può interessarti