I Sistemi di Supporto alle Decisioni di cui abbiamo parlato all’interno di questo articolo, offrono numerosi vantaggi in ambito sanitario, suggerendo al medico procedure e test mirati, ma aiutarlo anche a selezionare quello/i più adatto a un paziente. Le applicazioni cliniche di tali sistemi sono innumerevoli:

Formulazione di diagnosi (Symptoms Checker)

Tali diagnosi possono basarsi su:

• immagini o suoni riconosciuti, in radiologia, tramite l’uso di algoritmi di intelligenza artificiale (IA) basati sul deep learning per rilevare, caratterizzare e monitorare le malattie;
• biomarcatori, rilevati da ulteriori modelli basati su algoritmi di deep learning, per formulare diagnosi attraverso dati non direttamente correlabili alla patologia;
• analisi di segni e sintomi tramite l’uso di reti neurali che possono escludere patologie o condizioni simili non ascrivibili a quel quadro clinico, fornendo un supporto nell’individuazione della malattia.

Supporto nella scelta del trattamento

La scelta deve essere effettuata in accordo con parametri di efficacia, sicurezza e costo. Ci si può orientare ricorrendo a protocolli terapeutici standard e/o a evidenze mediche che misurano gli outcome e quantificano i rischi associati al trattamento. I trattamenti possibili vengono filtrati e “pesati” attraverso modelli inferenziali in funzione del quadro clinico del paziente.

Gestione del trattamento o della terapia

Questo offerte un supporto nel monitoraggio di aspetti come prescrizioni e posologia di farmaci, parametri vitali o bio-chimici, modalità per rilevare possibili effetti collaterali o interazioni, e predizione del rischio.

Stratificazione della popolazione di pazienti

In questo step è possibile analizzare i rischi sanitari (come la probabilità di eventi come ictus o infarti), la domanda di prestazioni sanitarie e il rapporto costo-efficacia tra gli interventi di prevenzione, l’assistenza sanitaria e i relativi benefici in termini di salute.

Supporto decisionale rivolto al paziente

L’integrazione dei Sistemi di Supporto alle Decisioni nella cartella clinica rende i pazienti più informati e coinvolti nella gestione della propria cura e dei propri dati. E lo stesso vale riguardo all’introduzione della cartella clinica elettronica. Un esempio è il MyHealthAtVanderbilt, una cartella clinica integrata nel software istituzionale della Vanderbilt University che, oltre alla consegna mirata alla malattia di materiale educativo per i pazienti, è dotata di uno strumento che aiuta i pazienti con sintomi simil-influenzali a decidere il tipo di trattamento di cui necessitano. Inoltre, le cartelle cliniche elettroniche possono raccogliere informazioni da dispositivi sanitari e altri dispositivi indossabili. La Stanford School of Medicine utilizza, ad esempio, un misuratore di glucosio indossabile che trasmette i dati a un dispositivo Apple (HealthKit), consentendo di contattare i pazienti per il follow-up o raccomandazioni urgenti.