I Sistemi di Supporto alle Decisioni (Decision Support System) sono costituiti da un insieme di tecnologie informatiche capaci di estrarre informazioni esatte e aggiornate dai big data, con lo scopo di supportare e migliorare i processi decisionali in contesti differenti. Negli ultimi decenni l’uomo ha generato una quantità di dati senza eguali, circa 10²¹ byte, che presuppongono nuove capacità di collegare tra loro le informazioni derivanti da questi. Al contempo, l’accesso a un numero elevato di dati – strutturati e valorizzati da processi di Big Data Analytics – costituisce una delle frontiere della medicina di precisione.

In ambito clinico nascono per affrontare i limiti dell’approccio nosografico per l’ammissione al pronto soccorso, basato sull’impiego di un’interfaccia anatomografica – nonché la rappresentazione visiva e interattiva del corpo umano – collegata ai codici diagnostici dell’ICD-9. Gli algoritmi alla base del funzionamento dei CDSS possono suggerire al medico un elenco ancora più raffinato di codici – oltre che di procedure e test mirati – aiutandolo a selezionare quello/i più adatto a un paziente.

Aspetti funzionali dei Sistemi di Supporto alle Decisioni

Un Sistema di Supporto alle Decisioni (Decision Support System) è costituito dalla combinazione e l’interconnessione di diversi elementi. In particolare, la piattaforma applicativa si avvale di:

• Datawarehouse (raccolta di dati integrata e strutturata, orientata al soggetto, non volatile);
• Un’interfaccia utente (Graphic User Interface) e istruzioni specifiche per l’interrogazione (query);
• Data mining (individuazione ed estrazione dei dati attraverso l’uso di reti neurali, algoritmi ecc.);
• Modelli di analisi dei dati consistenti in: normalizzazione (riduzione della ridondanza, del rischio di incoerenza e di perdere informazioni, garanzia della dipendenza funzionale), correlazione (rappresentazione dei dati secondo un modello logico basato su concetti matematici di relazione come sistema di gestione), valorizzazione (attribuzione di un valore per diverse elaborazioni).

In ambito sanitario esistono due DSS, che possono essere suddivisi per tipologia e ambito di utilizzo in Sistemi di Supporto basati sulla conoscenza e Sistemi di Supporto non basati sulla conoscenza.

Sistemi di Supporto basati sulla conoscenza

La conoscenza viene confrontata con le osservazioni sulle condizioni di salute del paziente per supportare le scelte dei professionisti della salute e migliorare l’assistenza sanitaria. Il valore della conoscenza medica è dato dalla rilevanza clinica e dalla rilevanza documentale, nonché dall’attendibilità del campione e della metodologia di analisi utilizzata. Tali sistemi utilizzano un motore di inferenza, che trasforma cioè la conoscenza in una serie di concetti logici da cui vengono estrapolate regole applicabili a casi clinici per dedurre nuove informazioni. Gli output possono essere messaggi di varia natura (allarmi, avvisi e suggerimenti), linee guida, ordini e prescrizioni (order set), workflow clinici, calcolatori e visite dei pazienti organizzate per concetti clinici.

Sistemi di Supporto non basati sulla conoscenza

In questo caso i professionisti della salute si avvalgono dell’intelligenza artificiale (IA), dell’apprendimento automatico (ML) – attraverso cui il sistema “apprende” dai dati precedenti e trova modelli specifici nei dati clinici. Nel management aziendale l’integrazione di dati differenti o proveniente da varie fonti consente di ottenere indicatori chiave di prestazione (key performance indicators) e restituirli all’utente sotto forma di segnalazioni – con la relativa priorità per l’intervento correttivo – consentendogli di monitorare l’andamento di una struttura sanitaria ed elaborare decisioni operative.

Tuttavia, a causa di alcune criticità – come la comprensione della logica dietro una raccomandazione dell’IA, la focalizzazione sui sintomi di una singola malattia e la disponibilità dei dati – questi sistemi sono utilizzati a scopo di ricerca o come sistemi post-diagnosi, per suggerire ai medici modelli da approfondire.