Seguici su
Innovazione 15 Aprile, 2020 @ 10:15

Il software italiano di tracciamento dei contagi alternativo al modello coreano

di Antonella Scarfò

Contributor

Giornalista professionista, con un passato da studiosa di letteratura e un futuro da digital strategist.Leggi di più dell'autore
chiudi
(Shutterstock)

I ritmi delle terapie intensive sono diventati insostenibili per gli ospedali.  Il Covid-19 si diffonde a una velocità tale da non consentire alle aziende ospedaliere di riorganizzarsi per tempo. Ma se potessimo prevedere meglio le ondate di crisi nelle specifiche realtà territoriali? Ci hanno pensato alcuni studiosi italiani che lavorano in diversi atenei sparsi per il mondo, che stanno progettando un sistema di preallerta, basato sull’intelligenza artificiale (AI). “È un AI che non si vede, lontana da modelli più noti come il riconoscimento facciale. Puntiamo alla riorganizzazione completa delle unità di terapia intensiva, integrando il tradizionale modello epidemiologico SEIR per la previsione del contagio, con un nuovo sistema di tracciamento per identificare i possibili contagiati”, spiega a Forbes Italia Mirko Modenese, head data scientist di HUMCO, startup innovativa veneta nata in seno alla società Logos Technologies, ora parte di una task force multidisciplinare e internazionale composta da docenti e ricercatori delle Università di Padova, Venezia, Bologna, Pavia, della Lincoln University in Gran Bretagna, di Yale negli USA, dell’Université Catholique di Bruxelles e da dirigenti dell’Azienda Sanitaria di Modena. Entrambi i progetti sono candidati sia al bando nazionale lanciato dal Ministero della Salute che a quello lanciato dalla Regione Veneto per individuare strumenti efficaci nella lotta al Coronavirus. La startup, che utilizza l’intelligenza artificiale a servizio dei processi di business, collabora anche con l’Organizzazione Mondiale della Sanità al progetto Health Equity, un database che fotografa le disuguaglianze globali in tema di salute. Ora però punta, attraverso una serie di pubblicazioni e studi, a creare un modello di previsione dei picchi di contagio da Covid-19 adattabile a diversi contesti territoriali, ma anche a singole aziende ospedaliere, sia in Italia che all’estero.

Come l’intelligenza artificiale aiuta a riorganizzare i reparti

“Nell’analisi predittiva di una pandemia ci sono in gioco variabili sensibili, che hanno necessità di un processo di stima inferenziale puntuale: a partire dall’analisi sociodemografica dei territori a cui questi modelli vengono applicati. Per questo motivo, è importante secondo noi lavorare a livello micro, zonale o dipartimento sanitario”, spiega Modenese. Grazie all’utilizzo di modelli predittivi, il sistema punta a migliorare l’organizzazione dei reparti ospedalieri. “L’intelligenza artificiale ci aiuta a pianificare e allertare in maniera concatenata, con ottiche geospaziali (cluster sanitari), il peso previsto che le unità organizzative di terapia intensiva avranno in un asse temporale definito, al fine di prevedere la logistica dei pazienti e l’organizzazione del personale sanitario. Ciò che rileviamo ad oggi, invece, sono processi discontinui e legati ad un’ottica compartimentale degli operatori in situazioni di stasi o di eccessivo overload. In tal senso, da un punto di vista organizzativo, la redistribuzione di mezzi e forze operative (medici, infermieri, tecnici), grazie a un sistema di preallerta, andrebbe a diminuire lo stress del sistema sanitario, rendendolo dinamicamente più efficace ed efficiente”, chiarisce l’esperto.

Un software al posto dell’app di tracciamento sui cellulari

Perché il modello predittivo possa funzionare, però, ha bisogno di una grande mole di dati. Ecco perché questi studiosi hanno elaborato anche un sistema di tracciamento nuovo, lontano dai modelli cinese e sudcoreano. Non un’app da scaricare sul cellulare dei cittadini, ma un software in background a disposizione dei distretti sanitari, dell’Istituto Superiore di Sanità e dei ministeri preposti: “Sono loro ad avere la gestione del dato sensibile della persona”, chiarisce Modenese. Che spiega come questi dati vadano poi ad alimentare il modello predittivo basato su algoritmi, nel totale rispetto del GDPR.

Si possono integrare i dati da diverse fonti

“Le persone contagiate e quindi presenti nei database sanitari sono le variabili che ci danno un matching, ci danno il condizionamento – spiega l’esperto –. Gli altri dati vengono dalla triangolazione di celle telefoniche, wifi pubblici o privati. Google ed Apple, ad esempio, metteranno a disposizione dei governi le informazioni sul tracciamento dei dispositivi per fornire i dati in forma aggregata”. La novità proposta da HUMCO consiste nella possibilità di integrare tutte queste tipologie di dati attraverso un software complesso che tiene conto delle diverse variabili: “Un tracciamento semplice oggi porterebbe solo all’identificazione di una pletora di falsi positivi o negativi che non avrebbero alcun senso di utilizzo. La tecnologia c’è tutta, noi abbiamo pensato a un sistema per sfruttarla”, conclude Modenese.

Il machine learning per prevedere i picchi di contagio

La data science, dandoci la possibilità di elaborare e incrociare grandi quantità di dati, può diventare un’alleata preziosa nella lotta al Covid-19. Ma qual è la differenza tra i classici modelli di previsione del contagio utilizzati dagli epidemiologi nel passato e un nuovo modello predittivo basato sull’intelligenza artificiale? “Osservando il lavoro del team di Strategy innovation della mia facoltà, ho notato una differenza fondamentale”, ci racconta Maurizio Massaro, docente di Economia Aziendale dell’Università Ca’ Foscari di Venezia.  “Con l’intelligenza artificiale il risultato dell’elaborazione statistica è il modello stesso, perché riesce a nascere proprio grazie ai dati che vengono inseriti. Nei modelli predittivi tradizionali, invece, lo schema resta stabile restituendoti un risultato. Può essere sì modificato in seguito, ma non cambia in automatico, deve essere rivisto ex post manualmente. Con l’AI, al contrario, il modello viene progressivamente affinato in funzione dei dati, la macchina impara dai dati che vengono inseriti”.  In una pandemia, quindi, l’Ai ci permette di modificare costantemente e con una velocità inedita non solo le informazioni inserite, ma anche il modo di organizzarle per prevedere i contagi. La macchina apprende e si adatta a una situazione imprevedibile e in continua evoluzione. “È questo il senso del machine learning”, conferma Modenese.

L’epidemiologo 4.0 ha un approccio “local”

“Ci potrebbero essere più modelli predittivi in base ai singoli territori. Noi proponiamo di agire a livello locale e differenziato, con un approccio data-driven. Perché il virus non rispetta i confini nazionale o lo spazio Schengen. E neanche i confini regionali. Abbiamo visto che anche paesi limitrofi non hanno lo stesso andamento in termini epidemiologici, per questi quindi lavoriamo sul micro per poi andare a declinare sul macro”.

Ma la difficoltà di elaborazione dei dati resta altissima, avvertono gli esperti, che prendono le distanze dal proliferare di modelli di previsione del contagio soprattutto nella prima fase di epidemia. “Adesso siamo in una fase più evoluta della diffusione del virus e quindi abbiamo più dati a disposizione. Ma bisogna fare attenzione: sono modelli molto sensibili. Ed è fondamentale la validazione della bontà dei dati”. Grazie all’intelligenza artificiale, forse, già in un futuro prossimo, potrebbero nascere nuove figure di epidemiologi 4.0. E la pandemia in questo senso potrebbe funzionare anche da acceleratore di processi di innovazione. Ma la tecnologia serve a poco se manca il management, avverte Massaro.

All’intelligenza artificiale servono nuovi principi manageriali

L’obiettivo dell’utilizzo di questi modelli predittivi è innanzitutto, la possibilità di organizzare il personale, che è la risorsa più scarsa e più preziosa in assoluto: “I letti e i respiratori si possono acquistare, ma la professionalità dei sanitari di terapia intensiva non la compriamo a scaffale – commenta Modenese –. Un’ipotesi è quindi quella di creare team itineranti di professionisti sui territori all’interno dei dipartimenti sanitari, nell’ottica della previsione del picco, prevedendo quindi una riorganizzazione dinamica delle procedure all’interno delle terapie intensive”.  Un modello predittivo di per sé rimane inutile se non viene accompagnato da un principio manageriale di azione, spiega Massaro: “Stiamo contrastando il Covid-19 con percorsi prevalentemente non farmacologici, come il lockdown, che richiedono la collaborazione del cittadino. È quindi utile rifarsi al filone manageriale della co-production, la possibilità di far collaborare i cittadini con gli enti pubblici. Ecco perché i dati devono seguire aspetti organizzativi molto importanti”.

La resilienza non basta. Serve l’antifragilità

“Ci sono dei principi manageriali che unitamente al dato stiamo cercando di applicare, che consentiranno di avere l’immediata azione manageriale”, spiega il docente della Ca’ Foscari: “Questi progetti fanno parte di una serie di pubblicazioni e studi a cui stiamo lavorando in modo coordinato con studiosi di diverse Università. Alla base c’è una visione d’insieme che rientra nel cappello dell’antifragilità. Un’organizzazione resiliente è capace di sopportare gli scossoni. Un’organizzazione antifragile non solo sopporta, ma cerca di sfruttare gli scossoni per diventare qualcosa di più forte. È capace quindi di reagire ai cigni neri, eventi improvvisi che creano una profonda rottura con il passato. È una letteratura che nasce nell’ambito della finanza, che di cigni neri ne ha visti tantissimi. Noi cerchiamo di importarla nel settore sanitario, che oggi parla solo di resilienza. Ma la resilienza non ci proteggerà da una seconda ondata di contagi, né è una strategia per il futuro. Dobbiamo usare questa occasione per cambiare”.

Dall’efficienza alla ridondanza. Come sarà la sanità del futuro?

“Uno dei temi organizzativi cari all’antifragilità è la ridondanza – prosegue Massaro –.  Come succede negli incidenti aerei, anche in sanità il disastro può essere provocato dal mal funzionamento di un sensore, se quel sensore è l’unico installato. Serve quindi la possibilità di moltiplicare le risorse. Ecco perché pensiamo a un modello basato su team mobili, che si possono supportare scambiandosi competenze, creando così opzionalità e ridondanza. Uno dei motivi per cui la Germania è in grado di tracciare è contenere il contagio è la ridondanza di strutture”.  Se la ridondanza diventa lo strumento dell’efficienza, però, si pone un problema di costi inedito per il nostro Servizio sanitario nazionale. “Sul lato dei costi dobbiamo pensare a una dimensione integrata dove privato e pubblico possono coesistere per creare valore insieme, anziché continuare con un sistema in cui l’ente pubblico è un calderone di spesa che compra dal privato. Noi stiamo lavorando con Strasburgo dove gli ospedali hanno gli acceleratori di imprese interni. Credo sia questa la direzione da prendere in futuro”, conclude il docente.

Vuoi ricevere le notizie di Forbes direttamente nel tuo Inbox? Iscriviti alla nostra newsletter!