Home / Economia / La sanità e l’intelligenza artificiale

La sanità e l’intelligenza artificiale

Queste sono le startup che applicano l’intelligenza artificiale per trasformare l’assistenza sanitaria

La sanità è forse il settore più importante nell’economia degli Stati Uniti. È il più grande: quasi 4 trilioni di dollari all’anno vengono spesi per l’assistenza sanitaria negli Stati Uniti. Impiega più persone di qualsiasi altra industria, rappresentando l’ 11% di tutti i posti di lavoro americani. Quasi un quarto di tutta la spesa del governo degli Stati Uniti è per l’assistenza sanitaria.

Allo stesso tempo, l’assistenza sanitaria è il settore più distrutto nell’economia statunitense. I costi sanitari sono aumentati vertiginosamente negli ultimi decenni, da $ 355 pro capite nel 1970 a $ 11.172 pro capite nel 2018. Nonostante la spesa sanitaria pro capite molto maggiore rispetto a qualsiasi altro paese, gli Stati Uniti sono al 38 ° posto al mondo per aspettativa di vita, tra Libano e Cuba. L’accesso all’assistenza sanitaria rimane peggiore negli Stati Uniti che in qualsiasi altro paese sviluppato.

L’intelligenza artificiale offre un’opportunità senza precedenti per tagliare questo nodo gordiano e rimodellare la pratica dell’assistenza sanitaria. Tra i molti modi in cui l’IA trasformerà le nostre vite nei prossimi anni, il suo impatto potrebbe essere più profondo e di vasta portata nell’assistenza sanitaria che in qualsiasi altro campo.

L’apprendimento automatico e l’assistenza sanitaria sono per molti aspetti particolarmente adatti l’uno per l’altro. Al centro, gran parte dell’assistenza sanitaria è il riconoscimento dei modelli. Un corpo umano sano ei suoi vari sottosistemi funzionano in modo coerente e quantificabile. Quando un organismo umano soffre di qualche afflizione, devia da questa omeostasi in modi che tendono ad essere prevedibili nel tempo e nelle popolazioni.

È possibile raccogliere una costellazione di punti dati (sintomi fisici recenti, pressione sanguigna, composizione genetica, composizione chimica del flusso sanguigno e così via) che, presi insieme e confrontati con modelli a livello di popolazione, raccontano la storia definitiva della salute di una persona. Allo stesso modo, i farmaci che creiamo e prescriviamo consistono in sostanze specificatamente definite che agiscono sui sistemi interni del corpo in modi misurabili.

In quali aree specifiche dell’assistenza sanitaria possiamo aspettarci che l’IA abbia un impatto significativo? È utile suddividere il vasto campo dell’assistenza sanitaria in tre categorie principali: clinica (la fornitura di cure ai pazienti), amministrativa (i dadi e i bulloni operativi che mantengono il sistema sanitario in funzione) e farmaceutica (la ricerca e lo sviluppo di nuovi farmaci).

In ciascuna di queste tre aree, l’apprendimento automatico viene già applicato in modi trasformativi. Ciò accelererà solo negli anni a venire.

Questo articolo esaminerà le prime due di queste categorie: clinica e amministrativa. La terza categoria, Pharma, sarà trattata in un articolo successivo.

Clinical

Imaging

L’uso della visione artificiale per identificare le condizioni di salute nelle immagini mediche è diventato forse il caso d’uso più ampiamente referenziato per l’IA in ambito sanitario. È facile capire perché: esaminare una scansione medica per determinare se è presente un tumore, una lesione cutanea, una malattia retinica o qualche altra indicazione è un chiaro esempio di classificazione degli oggetti, esattamente ciò in cui eccelle l’ apprendimento profondo .

Come ha dichiarato la leggenda dell’IA Geoff Hinton nel 2016, “La gente dovrebbe smettere di addestrare i radiologi ora. È del tutto ovvio che entro 5 anni il deep learning farà meglio dei radiologi “.

Negli ultimi anni sono emerse numerose startup per automatizzare l’analisi delle immagini mediche. Tra i più importanti ci sono Caption Health, PathAI, Paige e Zebra Medical Vision.

Tuttavia, nonostante le centinaia di milioni di dollari di capitale di rischio confluiti in questa categoria, la tecnologia non è stata ancora ampiamente adottata. È stato difficile per le aziende di intelligenza artificiale convincere gli operatori sanitari a modificare i propri flussi di lavoro per incorporare queste soluzioni su larga scala, in particolare dato che questo caso d’uso minaccia così direttamente di rendere obsoleti i professionisti umani.

Assunzione e coinvolgimento del paziente

Un’altra area in cui l’IA migliorerà l’erogazione delle cure è l’assunzione e il coinvolgimento dei pazienti, una parte fondamentale del percorso sanitario.

I recenti progressi nell’elaborazione del linguaggio naturale hanno reso possibili interfacce conversazionali basate sull’intelligenza artificiale in grado di automatizzare lo screening dei pazienti e la navigazione assistenziale. Ad esempio, i pazienti possono condividere sintomi e domande tramite messaggi di testo e ricevere una guida clinica automatizzata in risposta. Allo stesso modo, possono essere sviluppate IA che comunicano con i pazienti su base continuativa per garantire che rimangano impegnati e conformi al loro regime di cura.

L’utilizzo dell’intelligenza artificiale per automatizzare queste interazioni può ridurre drasticamente i costi e democratizzare l’accesso all’assistenza sanitaria rendendo disponibile una guida sanitaria esperta senza la necessità di perdere tempo da parte dei medici umani.

I “chatbot” hanno generato molte critiche e clamore insoddisfatto negli ultimi anni. Ma la tecnologia PNL sta ora avanzando a un ritmo mozzafiato, aprendo nuove possibilità per l’IA conversazionale. Le piattaforme di conversazione sono più efficaci quando sono costruite appositamente per un caso d’uso specifico (ad esempio, il coinvolgimento del paziente) e sono progettate per un essere umano quando appropriato (ad esempio, un medico). Aspettatevi che la comunicazione asincrona fornitore / paziente diventi sempre più automatizzata negli anni a venire.

Il colosso in questa categoria è Babylon Health, che ha raccolto 635 milioni di dollari, in gran parte dal Fondo per gli investimenti pubblici dell’Arabia Saudita. Altre startup che creano strumenti per automatizzare l’assunzione e la comunicazione dei pazienti includono Buoy, Gyant, Curai e Memora.

“L’intera rivoluzione informatica si è svolta senza cambiare radicalmente il modo in cui forniamo e accediamo all’assistenza sanitaria”, ha affermato Neal Khosla, CEO di Curai. “L’IA e la PNL offrono il potenziale per scalare in modo massiccio la disponibilità di cure primarie di qualità, rendendole accessibili a più persone a costi inferiori. Questa è la nostra stella polare: un mondo in cui tutti gli 8 miliardi di persone nel mondo possono accedere alla migliore assistenza sanitaria di base “.

Salute remota

COVID-19 ha notevolmente accelerato l’adozione della sanità a distanza: l’erogazione di servizi clinici ai pazienti a distanza piuttosto che di persona, utilizzando strumenti digitali.

Sebbene la pandemia sia servita da catalizzatore a breve termine, molti esperti ritengono che la sanità a distanza (chiamata anche telemedicina) stia per diventare un pilastro permanentemente importante della fornitura di assistenza sanitaria. McKinsey stima che nei prossimi anni verranno virtualizzati fino a 250 miliardi di dollari di spesa sanitaria solo negli Stati Uniti.

Oggi, la telemedicina spesso significa semplicemente una videochat con un medico. Tali sessioni remote sono utili ma rudimentali. La salute remota raggiungerà il suo pieno potenziale solo se potenziata dall’apprendimento automatico (e dai sensori giusti). Diverse aziende promettenti stanno affrontando questa sfida.

Eko ha costruito una piattaforma di sensori proprietari e algoritmi di apprendimento automatico in grado di monitorare a distanza i segni vitali cardiopolmonari dei pazienti per la diagnosi precoce di problemi cardiaci e polmonari. L’intelligenza artificiale di Eko è significativamente più precisa nel rilevare i problemi cardiaci rispetto ai medici umani che utilizzano uno stetoscopio. Ad esempio, i medici generici rilevano la fibrillazione atriale con una precisione del 70-80%, mentre gli algoritmi di Eko lo fanno con una precisione del 99%.

“Siamo in grado di aumentare il giudizio del medico sulle diagnosi cardiache e polmonari con i dati analizzati da decine di migliaia di esami precedenti dei pazienti in pochi secondi”, ha affermato Connor Landgraf, CEO di Eko. “È possibile accedere a questi algoritmi in qualsiasi parte del mondo, consentendo una migliore assistenza ai pazienti indipendentemente da dove si trovino”.

In modo simile, Aluna offre una soluzione che consente ai pazienti di misurare la propria salute polmonare comodamente da casa utilizzando un semplice spirometro. Applicando l’apprendimento automatico ai dati spirometrici, Aluna monitora l’asma e la fibrosi cistica in tempo reale e segnala condizioni polmonari preoccupanti.

Anche aziende come Biofourmis, Current Health e Myia hanno sviluppato soluzioni di intelligenza artificiale e sensori che consentono ai professionisti di esaminare la salute di un paziente a livello granulare, ovunque si trovi nel mondo. Tecnologie come queste sfoceranno sempre più il confine tra gli esami “in clinica” e il monitoraggio quotidiano della salute, rendendo l’assistenza sanitaria più accessibile e accessibile nel processo.

Assistenza in ospedale

Per quanto promettente sia la telemedicina, ci saranno sempre procedure mediche che richiedono visite di persona. L’intelligenza artificiale aumenterà il lavoro dei medici umani negli ospedali in vari modi.

Ad esempio, Gauss Surgical utilizza la visione artificiale per monitorare la perdita di sangue durante il parto. La stima visiva della perdita di sangue da parte dei medici umani è notoriamente imprecisa e l’emorragia è la principale causa prevenibile di mortalità materna. In un sistema ospedaliero, la soluzione AI di Gauss ha portato a un aumento di 4 volte nel riconoscimento dell’emorragia e a una riduzione del 34% degli interventi di sanguinamento ritardato.

Ad esempio, Medical Informatics è una società con sede a Houston che utilizza l’apprendimento automatico per monitorare il benessere dei pazienti nei letti d’ospedale ingerendo e sintetizzando i dati da monitor da letto, ventilatori, EMR di un paziente e varie altre fonti di dati.

Anche se soluzioni di IA come queste non sostituiscono mai il processo decisionale clinico umano e servono solo come strumenti supplementari, offrono il potenziale per migliorare drasticamente i risultati di salute e salvare vite umane.

Medicina di precisione

In un certo senso, la medicina di precisione rappresenta l’apice della promessa dell’IA di migliorare la salute umana. La visione della medicina di precisione è più ambiziosa, le sfide tecniche più complesse e il potenziale impatto maggiore di qualsiasi altra applicazione discussa qui.

In poche parole, il campo della medicina di precisione aspira a creare trattamenti che siano individualizzati per ogni paziente in base al suo particolare contesto genetico, ambientale e comportamentale.

La medicina di precisione non è un concetto nuovo, ma l’avvento dei “big data” (in particolare i dati genetici) e il moderno machine learning hanno portato la sua piena realizzazione a portata di mano. A causa della proliferazione di sensori, dispositivi connessi a Internet, EHR, sequenziamento genico del mercato di massa, cloud computing e altre tecnologie digitali, ogni giorno vengono raccolte quantità sbalorditive di dati sanitari altamente dettagliati. Quest’anno verranno generati diversi trilioni di gigabyte di dati sanitari, una cifra che sarebbe stata inimmaginabile fino a pochi anni fa.

La premessa della medicina di precisione è che se un sistema computazionale conosce il tuo intero genoma, il tuo profilo metabolico, la composizione del tuo microbioma, quali cibi mangi, quanto spesso ti alleni, quanto dormi e mille altri dati su di te; e comprende anche il particolare percorso di una malattia nel tuo corpo fino al livello molecolare; quindi può sintetizzare tutte queste informazioni e creare un regime farmaceutico e / o comportamentale specificamente adattato per ottimizzare la risposta del tuo corpo.

Nessun essere umano potrebbe mai eseguire un simile scricchiolio di dati e un riconoscimento latente di schemi. Per la prima volta, l’AI lo rende possibile, almeno in teoria.

La società più importante che persegue questa nobile visione della medicina di precisione basata sull’intelligenza artificiale è Tempus. Tempus ha raccolto ben 620 milioni di dollari da investitori tra cui NEA e T. Rowe Price. L’azienda è focalizzata sul trattamento del cancro, sebbene abbia recentemente dedicato risorse alla lotta contro COVID-19.

Altre società ben finanziate in questa categoria includono Syapse e GNS Healthcare.

La medicina di precisione è stata per decenni una possibilità allettante ma insoddisfatta. Il tempo ci dirà se l’IA è la chiave che può sbloccare il suo vasto potenziale.

Amministrativo
Rispetto ai casi d’uso clinici o delle scienze della vita, l’applicazione dell’IA al lato amministrativo dell’assistenza sanitaria può sembrare poco affascinante. Ma qui esiste un’enorme opportunità per la creazione di valore.

Come sa chiunque abbia avuto a che fare con il sistema sanitario, è afflitto da sprechi e inefficienza. Solo negli Stati Uniti vengono spesi oltre 600 miliardi di dollari all’anno per l’amministrazione sanitaria e la fatturazione. Molti miliardi di dollari di valore saranno sbloccati nei prossimi anni razionalizzando e snellendo le operazioni sanitarie. L’intelligenza artificiale può svolgere un ruolo chiave qui.

Operazioni del provider

Ogni volta che un paziente interagisce con un operatore sanitario, decine di processi di supporto avvengono in background: check-in del paziente, individuazione di vantaggi e verifiche, elaborazione dei reclami, fatturazione, ordini di prescrizione, gestione della catena di fornitura e altro ancora. Il modo in cui questo lavoro viene svolto oggi è manuale e soggetto a errori.

Un promettente gruppo di aziende sta applicando l’apprendimento automatico per automatizzare molte di queste attività meccaniche. Forse il più attivo è Olive, che ha raccolto $ 125 milioni da investitori tra cui General Catalyst e Khosla Ventures. Notable Health è un nuovo concorrente con una missione simile. Sfruttando i robot software e la visione artificiale, le soluzioni di queste aziende possono essere pensate come un’automazione dei processi robotici (RPA) costruita appositamente per casi d’uso sanitari.

Una funzione amministrativa particolarmente impegnativa e importante per gli operatori sanitari è la gestione del ciclo delle entrate (RCM). RCM si riferisce alla serie di processi che i fornitori utilizzano per tracciare e raccogliere i pagamenti per i servizi resi ai pazienti.

A causa della struttura di pagamento di terze parti degli Stati Uniti e del labirintico sistema di rimborso, i flussi di denaro nel sistema sanitario sono complessi. Sono coinvolti numerosi stakeholder: fornitori, pazienti, assicuratori privati, agenzie governative, datori di lavoro. Errori di ufficio e ritardi costosi sono dilaganti. Si stima che 21,3 miliardi di dollari siano stati spesi per RCM nel 2017 solo negli Stati Uniti.

C’è un’enorme opportunità per l’IA di sistematizzare e automatizzare la gestione del ciclo delle entrate, rendendola più veloce, più economica e più precisa. Una promettente startup focalizzata su RCM è Alpha Health.

Un’altra grande sfida amministrativa per i fornitori sono i flussi di pazienti ospedalieri e l’allocazione delle risorse. Gli ospedali sono sistemi complessi, con pazienti e medici che si spostano costantemente attraverso le loro unità in modo dinamico. I margini sottilissimi degli ospedali dipendono dall’orchestrazione efficiente di questi flussi. Eppure al momento sono drammaticamente sottostimati. Fino al 25% dei giorni di degenza in terapia intensiva non sono necessari; si stima che il 15% dell’occupazione totale dell’ospedale sia sprecato a causa di una gestione inefficace del flusso.

Questo è esattamente il tipo di problema di ottimizzazione ricco di dati in cui l’IA eccelle.

Qventus è una società che applica l’intelligenza artificiale per ottenere migliori risultati operativi per gli ospedali. L’azienda afferma che la sua tecnologia ha consentito agli ospedali di ottenere una riduzione del 30% dei giorni in eccesso trascorsi in ospedale, una riduzione del 20% dei tempi di degenza in ospedale e una riduzione di 0,8 giorni della durata media della degenza. Queste efficienze operative si traducono in migliori esperienze dei pazienti e significativi miglioramenti ai risultati economici dei sistemi sanitari.

Infine, l’intelligenza artificiale può sbloccare enormi guadagni automatizzando la conformità alle normative. L’assistenza sanitaria è, per una buona ragione, una delle industrie più pesantemente regolamentate. È impegnativo e costoso per gli operatori sanitari tenere traccia e garantire il rispetto dei numerosi requisiti legislativi e normativi a cui sono vincolati.

Due aree importanti sono la riservatezza dei dati dei pazienti e la gestione delle sostanze controllate. In entrambi i casi, l’apprendimento automatico può svolgere un ruolo chiave automatizzando le attività di conformità come il rilevamento delle violazioni e l’auditing, proteggendo così i pazienti, riducendo i costi e consentendo ai medici di concentrare le proprie energie sull’erogazione delle cure. Un’azienda che vale la pena guardare in questa categoria è Protenus.

Infrastruttura dati

Una delle sfide fondamentali che ostacolano un sistema sanitario migliore è il suo panorama di dati profondamente frammentato. Restrizioni normative rigorose, architetture software arcaiche e incentivi per le parti interessate disallineati compromettono la condivisione e la collaborazione di dati preziosi. È proibitivamente difficile oggi raccogliere un quadro completo della salute di un singolo paziente, dell’efficacia di un nuovo trattamento o dei modelli di salute di una popolazione.

I silos di dati nella sanità non sono solo un onere burocratico. Trattengono i progressi nella ricerca medica e impediscono l’erogazione delle cure giuste ai pazienti giusti al momento giusto, con un conseguente costo della vita.

Questa è una sfida tentacolare e multidimensionale. Diverse aziende interessanti stanno affrontando diversi aspetti: Komodo Health, Datavant, Abacus Insights, HealthVerity, Kyruus, Ribbon Health e Redox, tra gli altri. Queste aziende hanno diversi prodotti e obiettivi di go-to-market, ma condividono la visione generale di abbattere le barriere dei dati al fine di ottenere migliori risultati di salute.

Poiché l’apprendimento automatico prospera su set di dati di grandi dimensioni, queste soluzioni stanno anche gettando le basi per un’innovazione illimitata dell’IA futura. Un ecosistema di dati più integrato renderà possibili innumerevoli nuove applicazioni di intelligenza artificiale nel settore sanitario, la maggior parte delle quali non è stata nemmeno immaginata.

Documentazione medica

Un’ultima area amministrativa in cui l’intelligenza artificiale è pronta a generare un enorme valore è la documentazione medica. La registrazione di appunti dagli incontri con i pazienti consuma una parte significativa della vita lavorativa dei medici. Nell’era delle cartelle cliniche elettroniche (EHR), questo è diventato un vero problema.

Un recente studio AMA ha rilevato che il medico in servizio medio trascorre 5,9 ore al giorno direttamente impegnato con le EHR. C’è una diffusa preoccupazione nella professione medica che, con i computer in ogni sala d’esame oggi, i medici debbano essere talmente orientati verso le loro tastiere durante le visite dei pazienti da non essere in grado di connettersi completamente con i pazienti.

L’apprendimento automatico può assumere gran parte di questo onere amministrativo dai medici, consentendo loro di trascorrere più tempo con i pazienti e meno tempo con gli schermi.

Le tecnologie fondamentali alla base dell’elaborazione del linguaggio naturale e del riconoscimento vocale sono migliorate notevolmente negli ultimi anni, come può attestare chiunque utilizzi Alexa o Siri. Ciò ha consentito lo sviluppo di soluzioni vocali (“AI scribi”) che i medici possono dettare verbalmente al posto dell’inserimento manuale dei dati EHR. Queste soluzioni possono essere costruite per integrarsi automaticamente con i flussi di lavoro esistenti e con software EHR come Epic o Cerner.

I guadagni di efficienza possono essere enormi. Augmedix afferma che la sua soluzione basata sulla voce fa risparmiare ai medici da 2 a 3 ore al giorno. Suki, un altro concorrente in questa categoria, afferma che la sua intelligenza artificiale genera note accurate al 100% e consente ai medici di finire le loro note il 76% più velocemente. Su scala su interi sistemi sanitari, l’impatto cumulativo di queste tecnologie sarà enorme.

Oggi, queste soluzioni richiedono ancora che gli esseri umani siano coinvolti nel controllo della qualità; La PNL e le tecnologie vocali, sebbene impressionanti, rimangono imperfette. Poiché l’intelligenza artificiale sottostante continua a migliorare, sarà necessaria sempre meno intermediazione umana, il che si tradurrà in guadagni di produttività e risparmi sui costi ancora maggiori.

Conclusione
L’assistenza sanitaria è una parte intima della nostra vita personale e familiare come nessun altro settore dell’economia lo è. È quindi particolarmente preoccupante quanto sia disfunzionale il sistema sanitario oggi.

Nessuna tecnologia può essere un proiettile d’argento per un sistema così complesso come la moderna sanità. Eppure l’intelligenza artificiale, forse più di ogni altra forza al mondo, offre il potenziale per riscrivere le regole del gioco. Se implementata in modo ponderato, l’intelligenza artificiale può ribaltare i vincoli e le ipotesi a lungo accettati su come funziona il sistema sanitario. Può ridefinire il rapporto tra costo, accessibilità e qualità, un rapporto che oggi è gravemente rotto.

Non c’è mai stato un momento più emozionante per essere un imprenditore nel settore sanitario.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi