il Professor Filippo Menolascina dell’Università di Edimburgo ha illustrato un’importante best practice sull’utilizzo dell’intelligenza artificiale (AI) nel National Health Service (NHS) del Regno Unito per gestire e ottimizzare la domanda di servizi sanitari ad alta complessità.
Il professor Menolascina ha evidenziato un paradosso centrale: mentre le liste d’attesa crescono, aumentano anche gli sprechi di risorse cruciali. Questa inefficienza genera un circolo vizioso in cui la crescente domanda non si traduce in una migliore utilizzazione delle risorse disponibili, con gravi conseguenze per l’efficienza e la qualità dei servizi forniti ai pazienti.
In particolare, Menolascina ha presentato un caso di studio sviluppato in collaborazione con la Health Board di Edimburgo. Nelle unità di terapia oncologica anticancro (SACT), è stato osservato che circa il 24% delle ore programmate per la somministrazione della chemioterapia non veniva effettivamente utilizzato a causa di cancellazioni tardive, mancata presentazione dei pazienti o cambiamenti dell’ultimo minuto.
Questa situazione è ulteriormente complicata dal fatto che i pazienti, preoccupati di ulteriori ritardi, spesso non comunicano sintomi rilevanti che potrebbero comportare l’annullamento dell’appuntamento, con evidenti rischi clinici e organizzativi. Ciò comporta perdite significative di risorse, considerando che gli appuntamenti mancati o cancellati tardivamente causano effetti a catena sugli altri appuntamenti programmati.
Per affrontare questa criticità, è stato creato un database centralizzato (data log) che raccoglie informazioni dettagliate su tutti gli eventi che si verificano nelle unità cliniche. Sfruttando questi dati, è stato sviluppato un sistema basato sull’intelligenza artificiale, che prevede la probabilità che un paziente si presenti o meno all’appuntamento. Il sistema tiene conto di numerosi fattori, tra cui età, diagnosi, stadio della malattia, comorbidità e risultati delle analisi di laboratorio.
In sostanza, questo sistema funziona in maniera simile ai modelli previsionali usati dalle compagnie aeree per gestire l’overbooking. Pazienti ad alto rischio di assenza vengono identificati, permettendo agli operatori sanitari di proporre appuntamenti “di riserva” ad altri pazienti disponibili. Così facendo, se il paziente originale non si presenta, il tempo e le risorse non vengono sprecate.
Questa innovazione ha permesso di ridurre significativamente gli sprechi, migliorando la gestione del tempo clinico e assicurando un migliore utilizzo delle risorse disponibili. La best practice proposta da Menolascina rappresenta un esempio virtuoso di come tecnologie innovative, come l’AI, possano migliorare significativamente la sostenibilità e l’efficienza del sistema sanitario nazionale.
Prof. Filippo Menolascina, Università di Edimburgo, Regno Unito
