Le nuove regole della pubblicità commerciale in ambito sanitario

,

Comunicazione in sanità, che cosa cambia con la Finanziaria 2019

Con la definitiva promulgazione della Legge di Bilancio 2019 (L 30/12/2018, n. 145) sono entrate in vigore dal 1 gennaio 2019 le nuove norme in materia di pubblicità e comunicazione promozionale e suggestiva dei servizi sanitari contenute nei commi n. 525 e 536 dell’art. 1.

Dopo tante polemiche dunque la pubblicità dei servizi sanitari e degli operatori del Marketing Sanitario ha un nuovo riferimento normativo che potrebbe chiarire la regolamentazione di un settore divenuto negli ultimi anni controverso a seguito di una applicazione contraddittoria delle norme precedenti.

I testi “incriminati” così recitano:

Art. 1 Comma 525

Le comunicazioni informative da parte delle strutture sanitarie private di cura e degli iscritti agli albi degli Ordini delle professioni sanitarie di cui al capo II della legge 11 gennaio 2018, n. 3, in qualsiasi forma giuridica svolgano la loro attività, comprese le società di cui all’articolo 1, comma 153, della legge 4 agosto 2017, n. 124, possono contenere unicamente le informazioni di cui all’articolo 2, comma 1, del decreto-legge 4 luglio 2006, n. 223, convertito, con modificazioni, dalla legge 4 agosto 2006, n. 248, funzionali a garantire la sicurezza dei trattamenti sanitari, escluso qualsiasi elemento di carattere promozionale o suggestivo, nel rispetto della libera e consapevole determinazione del paziente, a tutela della salute pubblica, della dignità della persona e del suo diritto a una corretta informazione sanitaria.

Art. 1 Comma 536

In caso di violazione delle disposizioni sulle comunicazioni informative sanitarie di cui al comma 525, gli ordini professionali sanitari territoriali, anche su segnalazione delle rispettive Federazioni, procedono in via disciplinare nei confronti dei professionisti o delle società iscritti e segnalano tali violazioni all’Autorità per le garanzie nelle comunicazioni ai fini dell’eventuale adozione dei provvedimenti sanzionatori di competenza. Tutte le strutture sanitarie private di cura sono tenute a dotarsi di un direttore sanitario iscritto all’albo dell’ordine territoriale competente per il luogo nel quale hanno la loro sede operativa entro centoventi giorni dalla data di entrata in vigore della presente legge.

Cosa cambia per le strutture medicali e gli operatori del Marketing Sanitario?

La norma prevede che le strutture sanitarie, oltre a controllare attentamente le comunicazioni trasmesse ai cittadini, dovranno anche dotarsi di un Direttore sanitario responsabile in caso di informazioni che trasgrediscono la regola. Le uniche informazioni permesse dovranno essere funzionali all’oggetto di garantire la sicurezza dei trattamenti sanitari escludendo qualsiasi elemento di carattere promozionale o suggestionale.

In caso di violazioni il testo prevede che gli ordini professionali sanitari territoriali “procedano in via disciplinare nei confronti dei professionisti o delle società iscritte segnalando tali violazioni all’Autorità per le garanzie nelle comunicazioni ai fini dell’eventuale adozione dei provvedimenti sanzionatori di competenza”

Riassumendo i punti qualificanti della normativa dunque prevedono:

  • Il divieto assoluto di messaggi di natura promozionale nelle informative sanitarie;
  • La legittimazione dell’attività disciplinare degli Ordini nei confronti dei direttori sanitari delle strutture che diffondono pubblicità non deontologicamente orientate e segnalazione all’AGCOM (Autorità per le garanzie nelle comunicazioni) per comminare eventuali sanzioni alle società committenti;
  • L’obbligo dei direttori sanitari a essere iscritti presso l’Ordine territoriale in cui si trova la struttura da loro diretta per permettere un controllo deontologico diretto da parte degli Ordini stessi.

Questa nuova disposizione di legge non implica comunque che non sia più possibile fare comunicazione in ambito sanitario: contenuti divulgativi chiari e utili per i pazienti continueranno a rivestire un ruolo fondamentale nel costruire l’autorevolezza di un professionista o azienda sanitaria. Sicuramente non sarà più possibile basare la propria strategia di Marketing Sanitario sul rapporto commerciale  della domanda-offerta ma bisognerà investire tutta la propria attività unicamente sull’aspetto etico-deontologico, riuscendo comunque a raggiungere risultati concreti (e onesti).

Preparare la forza lavoro sanitaria inglese per offrire un futuro digitale alla società

,

L’NHS punta sulla comunicazione sanitaria per affrontare le sfide del futuro

Quando si tratta di realizzare la trasformazione digitale, una delle principali barriere che frenano le organizzazioni è la mancanza di competenze adeguate all’interno della propria forza lavoro. Il rapporto sul servizio sanitario inglese (NHS) condotto dal dottor Eric Topol, pioniere della comunicazione sanitaria, descrive bene la rapida trasformazione digitale in sanità, valutando come le nuove tecnologie possono influenzare i ruoli e le funzioni del personale clinico e il loro supporto nei prossimi due decenni.

Quali nuove competenze saranno richieste? In che modo i curricula e l’istruzione devono cambiare per soddisfare questa domanda?

Con 1,2 milioni di dipendenti, che collocano l’NHS tra i primi 5 maggiori datori di lavoro del mondo, implementare il cambiamento non è un’impresa da poco, ma è cruciale se il servizio è in linea con i tempi.

In un ambiente sanitario in rapida evoluzione, con una popolazione in crescita e in via di invecchiamento, il compito di garantire che la forza lavoro abbia le competenze e le conoscenze più aggiornate è essenziale per la verifica futura del servizio e la sua capacità di soddisfare le esigenze dei pazienti“, dice il dottor Topol .

La forza lavoro del futuro

Il rapporto propone tre principi fondamentali secondo i quali Topol ritiene che la strategia della forza lavoro del NHS dovrebbe essere guidata in futuro:

  • Empowerment del paziente – con nuovi strumenti che consentono ai pazienti di assumere un coinvolgimento più attivo nelle cure.
  • Puntare sui fatti – coinvolgere (e poi fidelizzare) i potenziali pazienti attraverso prove concrete sulle reali capacità e competenze della struttura.
  • Risparmio di tempo – l’assistenza sanitaria è un ambiente notoriamente a rischio di tempo, e quindi l’adozione della tecnologia dovrebbe sforzarsi di restituire tempo ai professionisti per fornire cure migliori.

La necessità di cambiare è sostenuta dal fatto che nonostante la forza lavoro sia cresciuta fino a diventare la più grande di sempre, l’NHS continua a lottare per tenere il passo con le richieste avanzate dalla tecnologia e l’invecchiamento inarrestabile della popolazione britannica. L’educazione di questa forza lavoro sarà fondamentale se si vuole vedere qualsiasi tipo di trasformazione digitale di successo.

L’istruzione e la formazione della forza lavoro esistente, insieme alla preparazione di una pipeline appropriata di personale di talento futuro, sarà la chiave per il successo di qualsiasi programma di cambiamento progettato per consentire di sfruttare i progressi della tecnologia per migliorare l’erogazione dei servizi“, continua Topol.

Mentre alcuni progetti, come la NHS Digital Academy, sono già stati creati, questi programmi sono destinati a una piccola percentuale della forza lavoro complessiva. Una delle sfide principali identificate nella relazione è il tempo necessario per la formazione. I lavoratori a tutti i livelli del sistema segnalano valori crescenti di stress mentre lottano per far fronte alle crescenti aspettative sia del pubblico sia dei suoi dirigenti. Non riuscire a far coincidere il tempo necessario per apprendere nuove competenze con la possibilità di integrare le nuove abilità acquisite nella pratica corrente (in una cultura fortemente orientata al target), è un ostacolo che non può essere sopravvalutato.

Come con altri settori, il dottor Topol suggerisce che oltre a migliorare le abilità del personale medico, sarà necessario creare una serie di nuovi gruppi professionali come quello dei medici ingegneri del software e quello degli specialisti di medicina digitale. Il dottore suggerisce nuovi metodi di formazione come i Massive Open Online Courses (MOOC) che possono svolgere un ruolo chiave nell’erogazione di formazione e sviluppo, e le tecnologie legate alla realtà aumentata.

Rendere la visione digitale realtà

Il rapporto è la prima pubblicazione di una revisione di ampio respiro condotta da Topol e si propone di esaminare le esigenze specifiche della forza lavoro attraverso tre temi principali: la genomica, la medicina digitale e la robotica. Topol ha convocato gruppi di esperti in ciascuna area e ha richiesto prove in queste aree per sviluppare poi una seconda relazione che sarà pubblicata a inizio 2019.

Mentre è difficile prevedere il futuro, sappiamo che l’intelligenza artificiale, la medicina digitale e la genomica avranno un enorme impatto sul miglioramento dell’efficienza e della precisione nell’assistenza sanitaria”, afferma Topol. “Questa recensione si concentrerà sulle straordinarie opportunità di sfruttare queste tecnologie per il personale sanitario e di alimentare un NHS sostenibile e vivace“.

 

Il Marketing Sanitario per dentisti e odontoiatri

,

Marketing Sanitario per dentisti: perché non va trascurato

Negli ultimi anni le strutture dentali sono diventate più che mai simili a piccole aziende digitali: mentre in passato, molti dentisti non pensavano che fosse necessario commercializzare i loro servizi, col tempo la forte concorrenza ha cambiato tutto questo. Proprio come qualsiasi altra attività in un settore competitivo, è importante posizionarsi rispetto agli altri competitors.

Il Marketing Medicale per i dentisti è diventato vitale nell’era digitale di oggi. Molte persone che sono alla ricerca di servizi odontoiatrici ora vanno online per trovare uno studio o un dentista adatto per il loro trattamento. Spesso le persone considerano il miglior ospedale quello più vicino a casa o quello della propria regione, rispetto a quello che appare nelle ricerche web per patologie specifiche. Questo fa riflettere sul fatto che le strutture devono investire nella produzione di contenuti pertinenti e rilevanti che stimolino l’interesse dei consumatori mediCiò significa che puoi competere in modo più efficace con altri studi dentistici nell’area e, se fai un buon lavoro di marketing, puoi attirare nuovi pazienti nella tua attività piuttosto che andare altrove.

Il Marketing Sanitario deve fornire contenuti che aiutino i pazienti-clienti a trovare i servizi più idonei alle loro esigenze/richieste, disponibilità economica e a prendere decisioni in modo rapido.

Il Marketing Sanitario per i dentisti prevede il marketing della pratica e dei servizi offerti tramite i canali online, come le piattaforme di social media, email marketing e blog. Ci sono molti modi per fare Marketing Dentale, ma per rendersi conto dei vantaggi è necessario assicurarsi di rimanere in cima al processo. Avere una forte reputazione online consentirà alle persone di scegliere uno specifico servizio sanitario rispetto ad altri, aiutando così la tua azienda a rimanere in vantaggio rispetto alla concorrenza.

L’importanza degli esperti per i tuoi servizi di Digital Marketing

Stare al passo con le nuove tecnologie digitali può essere difficile quando hai un tempo limitato da dedicare solo ai pazienti o stai lottando con le risorse economiche da investire. Chi gestisce uno studio dentistico è probabile che sia molto impegnato con i pazienti, quindi trovare il tempo per sviluppare e implementare una strategia di Marketing Sanitario può essere una sfida impegnativa.

È difficile convergere il marketing tradizionale con strumenti di Marketing Digitale nel settore sanitario e spesso nessuno capisce il valore della presenza dei social media o l’importanza di un sito web chiaro, semplice da navigare e ben definito. Appunto per questo è necessario avvalersi della collaborazione di professionisti qualificati per la gestione del proprio sito web e dei canali social e organizzare un buon progetto di base in cui il budget è ben distribuito e in linea con gli obiettivi prefissati.

Il marketing efficace è importante per far crescere il business e attirare nuovi clienti, e in particolare il Marketing Sanitario per i dentisti può pubblicizzare un’attività facilmente senza spendere una fortuna. Rivolgersi a dei responsabili comunicazione può aiutare in poco tempo a far crescere la visibilità dell’attività: è importante ricordare che se il sito web non è adeguatamente progettato per i dispositivi mobili, le persone inizieranno automaticamente a dubitare della professionalità della struttura sanitaria e della qualità dei servizi erogati.

Quando si progetta (o ri-progetta) il sito web, i professionisti del marketing dovrebbero considerare l’esperienza dell’utente nel fruire delle informazioni e della pertinenza delle informazioni e l’aspetto generale.

Restare aggiornati con l’evolversi del digitale

Una volta sviluppata e implementata la giusta strategia di Marketing Sanitario, dovrebbe essere immediato rimanere aggiornati: compiti semplici come post di blog regolari aggiunti al sito internet dello studio e l’utilizzo di piattaforme di social media per condividere informazioni o collegamenti a post possono rivelarsi estremamente utili. Una cosa importante da ricordare, indipendentemente dall’azienda sanitaria in cui ci si trova, è di stare al passo con l’evolversi del digitale, infatti non è sufficiente solo passare attraverso le fasi iniziali e implementare saltuariamente una campagna di marketing digitale.

Bisogna sfruttare con cadenza regolare, programmata con calendari editoriali, le piattaforme social in quanto la presenza costante della struttura sanitaria contribuirà a infondere fiducia tra i follower e il pubblico-target.

Quali sono i principali vantaggi?

Assicurandoti di rimanere al passo con la tua campagna di Marketing Digitale, puoi usufruire di numerosi vantaggi chiave, come ad esempio:

1. Costruire un rapporto con il tuo pubblico

Utilizzare i metodi di Marketing Digitale come le piattaforme di social media nel modo giusto significa che puoi costruire più facilmente un rapporto con i potenziali clienti-pazienti. Le persone con maggiore probabilità si rivolgeranno ad un determinato studio per i servizi e le terapie dentali se hanno già instaurato con questo un legame di condivisione di informazioni.

2. Crescente consapevolezza

Uno dei punti chiave di ogni campagna di Marketing Sanitario è aumentare la consapevolezza dell’attività e dei servizi offerti. Il Marketing Digitale per i dentisti rende questo processo molto più semplice, veloce e conveniente rispetto alla maggior parte degli altri metodi e ciò significa che si può far sapere alle persone come aiutarle (in questo caso per la loro salute dentale e orale) senza doversi preoccupare di passare tempo aggiuntivo in studio a smaltire le code e metodi costosi in pubblicità.

3. Una soluzione economicamente vantaggiosa

Questo metodo di marketing offre una soluzione economica molto vantaggiosa per gli studi dentistici e tutte le altre attività sanitarie. Servono molte meno risorse economiche e si investe meno tempo, il che equivale anche a un maggiore risparmio sui costi finali per l’attività.

4. Estendere la copertura dei servizi erogati

Per gli studi dentistici, l’obiettivo delle campagne di Marketing Sanitario può variare. Ad esempio, alcune strutture potrebbero voler concentrarsi sull’attirare solo i residenti che vivono nell’area, mentre altri potrebbero voler attrarre persone a livello nazionale perché offrono trattamenti innovativi che non sono ampiamente disponibili nella maggior parte degli studi dentistici. Quando si utilizza il Marketing Digitale è facile estendere i propri servizi oltre l’area locale in cui si trova lo studio, rendendo più facile raggiungere persone provenienti da tutto il Paese.

5. Promuovere offerte speciali

Le pratiche dentistiche e odontoiatriche hanno spesso offerte speciali su vari trattamenti, come le procedure cosmetiche di sbiancamento, ma non ha molto senso gestire queste promozioni se le persone non ne sono a conoscenza. Con le giuste strategie di marketing si può essere sicuri che il pubblico conosca le promozioni e le offerte speciali offerte in determinato periodo di tempo.

6. Guidare il traffico verso il tuo sito

Il Marketing Digitale è ottimo per indirizzare il traffico verso il tuo sito web. Ad esempio, se si pubblica un nuovo post sui canali social, aggiungere anche una call to action che rimbalza gli utenti direttamente al sito internet, questo aiuta moltissimo per l’indicizzazione e l’ottimizzazione della SEO nei motori di ricerca.

Da lì, i follower possono persino decidere di condividere o inoltrare i link ai propri ambienti di social media e indirizzare ancora più traffico al sito della struttura. 

È importante ricordare che la tua strategia di fidelizzazione dei clienti attraverso la realizzazione di contenuti informativi ti permette di acquisire credibilità e autorevolezza presso il tuo pubblico, diffondendo soluzioni utili al genere di persone interessate a risolvere problemi dentali. 

 

healthcare

Pazienti digitali: mito e realtà nell’era dell’Healthcare Marketing

,

L’Healthcare diventa digitale

L’introduzione del digitale nel servizio sanitario è sempre un punto di discussione e nell’articolo vengono analizzate cinque affermazioni comuni sull’uso dell’Healthcare Marketing nel Servizio Sanitario inglese, l’NHS.

Alcuni sono più veri di altri? L’articolo attinge a una serie di recenti sondaggi nazionali e analizza le affermazioni comuni sull’accesso e l’uso della tecnologia – e chi potrebbe essere escluso in caso di passaggio all’ingrosso a servizi sanitari digitali.

Con l’NHS impostato per abbracciare ulteriormente la tecnologia digitale per migliorare l’erogazione dell’assistenza sanitaria, coinvolgere i pazienti nell’uso della tecnologia sarà fondamentale. Un’app NHS verrà lanciata entro la fine dell’anno, ma nessuno la utilizzerà? Altrettanto importante è il fatto che il lancio di nuovi servizi sanitari digitali possa migliorare l’accesso e la cura dei pazienti più giovani e sani, senza perdere i pazienti più vulnerabili, meno sani e più anziani.

1 – Le persone anziane non usano la tecnologia

I più giovani usano decisamente di più Internet, ma la variazione tra le fasce d’età sta diminuendo, ad eccezione delle persone di età superiore ai 75 anni.

Nel primo trimestre di quest’anno, solo il 38% delle donne e il 51% degli uomini di età pari o superiore a 75 anni avevano utilizzato internet nei tre mesi precedenti e il divario rispetto ai giovani è in aumento.

Ma la relazione tra età e esperienza digitale non è semplice quando si tratta di salute. Il gruppo di età più giovane non è il più alto utente di informazioni sanitarie online, né è più probabile che prenoti un appuntamento online.

Nell’assistenza primaria, la consapevolezza dei servizi online, come la possibilità di prenotare un appuntamento, è più alta nella fascia di età 65-74 anni, con quasi la metà delle persone a conoscenza di questi servizi. E più di un quinto delle persone in questo gruppo dichiara di ripetere le prescrizioni online – il gruppo più propenso a farlo. Quindi quelli in questa fascia d’età stanno recuperando terreno.

generation-gap-internet

2 – I servizi digitali sono meno accessibili alle persone con esigenze di salute complesse

L’uso generale di Internet è più basso tra le persone disabili – definite come “malattia di vecchia data, disabilità o menomazione che causa sostanziali difficoltà nelle attività quotidiane” – ed è particolarmente vero tra le persone anziane. Tuttavia, il divario è maggiore per alcune attività rispetto ad altre.

Per le attività in cui l’utilizzo si è stabilizzato o diminuito, come le e-mail, l’Internet Banking e il social networking, il divario tra le persone disabili e non disabili si sta riducendo. Il divario è cresciuto per la ricerca di informazioni su beni e servizi e per l’utilizzo di siti web ufficiali. Per entrambi i gruppi c’è stato un calo nella prenotazione degli appuntamenti online.

Esistono buone prove del fatto che la tecnologia ben sviluppata per l’Healthcare Marketing può dare potere ai pazienti disabilità a lungo termine. Ma ci sono importanti eccezioni, come le persone con difficoltà di apprendimento, la demenza o la vista, per le quali sia la consapevolezza che l’uso dei servizi online sono più bassi.

3 – Le persone socialmente escluse sono lo sono anche nel digitale

L’alfabetizzazione sanitaria – la capacità di utilizzare e navigare tra le informazioni e servizi sanitari e di assistenza sociale – è nota per essere legata alle circostanze sociali e agli impatti dell’utilizzo dei servizi sanitari e sui risultati dei pazienti. È stata inoltre sollevata la preoccupazione circa l’impatto delle circostanze sociali sull’impegno digitale.

Le differenze nell’uso di Internet tra i gradi sociali – un sistema di classificazione basato sull’occupazione – mostrano che l’uso di Internet tra i giovani è simile tra i diversi gradi, ma il divario si allarga con l’età.

Il 91% degli uomini e l’85% delle donne oltre i 65 anni in occupazioni manageriali e professionali usano Internet. Ma per i lavoratori semi-qualificati e non qualificati e le famiglie che fanno affidamento sui sussidi, solo il 51% degli uomini e il 50% delle donne oltre i 65 anni lo fanno.

Le persone con un alto livello sociale sono anche molto più disposte a utilizzare una consultazione video con il loro medico di famiglia. Le persone che sono economicamente inattive hanno meno probabilità di essere utenti di Internet, ma i tassi di utilizzo di Internet sono simili tra le persone occupate (98%) e quelle che non lo sono (97%).

social

4 – I gruppi etnici sono esclusi digitalmente

Il divario tra i gruppi etnici nell’uso di Internet si è ridotto nel tempo e solo i gruppi non bianchi hanno tassi di utilizzo più bassi per le persone oltre i 65 anni. Tuttavia, l’uso complessivo di Internet è ora più basso tra i bianchi, che riflette l’età media più anziana di questo gruppo.

5 – L’accesso a Internet è peggiore nelle aree rurali

Mentre ci sono indubbiamente variazioni nell’infrastruttura per l’accesso a Internet tra aree urbane e rurali, questa non è l’intera storia. I bassi tassi di utilizzo di internet riflettono fattori disparati: infrastrutture carenti e percentuali più elevate di anziani nelle aree rurali, ma una maggiore privazione nelle aree urbane.

La mappa mostra la proporzione  – dati raccolti tra gennaio e marzo 2018 – di persone nel Regno Unito che hanno smesso di usare o non hanno mai usato Internet nei precedenti tre mesi.

Mito e realtà?

L’uso generale di Internet ha raggiunto il livello massimo e molti utenti di Internet in precedenza meno attivi stanno recuperando rapidamente. Tuttavia, quelli che potrebbero continuare ad avere un basso accesso digitale sono le persone con più di 75 anni, gli accompagnatori, quelli con più di 55 anni nelle classi sociali più basse e le persone con demenza, ictus e difficoltà di apprendimento.

Poiché i servizi sanitari e di cura guardano sempre più all’Healthcare Marketing per fornire informazioni e servizi, è probabile che sarà necessaria una combinazione di strategie per garantire che questi gruppi non siano ulteriormente svantaggiati. Mentre le iniziative per migliorare le competenze digitali sono state efficaci, ci sono notevoli difficoltà nell’ottenere e mantenere i pazienti impegnati nei servizi digitali. È probabile che siano necessari metodi di accesso non digitali per il futuro, altrimenti saranno esclusi quelli a maggior rischio.

Data la crescente dipendenza dai mezzi digitali per la fornitura di servizi, è forse giunto il momento di considerare il basso utilizzo di Internet come una misura della disuguaglianza.

machine-learning.itaca

Le applicazioni del Machine Learning nei settori medico e farmaceutico

,

L’apprendimento automatico e il suo valore nell’ambito sanitario

ll Machine Learning (ML) è l’insegnamento di azioni e attività ai computer e a robot che ha come obiettivo l’apprendimento automatico. Si entra in questo modo in possesso di una grande mole di dati grazie ai quali il settore sanitario riesce ad arrivare a risultati migliori in termini di prestazioni ed efficienza.

Questi big data potrebbero creare, secondo la società di consulenza McKinsey&Companyun valore che tocca i 100 miliardi di dollari all’anno nei settori medico e farmaceutico

Sono diversi gli ambiti di applicazione del Machine Learning nel settore sanitario: eccone una presentazione che elenca le principali caratteristiche di ognuno.

1. Diagnosi della malattia

La prima applicazione del Machine Learning riguarda la diagnosi delle malattie e l’individuazione delle cure. Secondo una ricerca del 2015 resa pubblica dalla Pharmaceutical Research and Manufacturers of America, un numero superiore agli 800 farmaci utili alla cura del cancro sono stati messi sotto processo.

Questo dato rappresenta il bisogno di escogitare nuovi metodi di diagnosi e cura delle malattie, un processo che molte organizzazioni hanno già iniziato, come ad esempio:

  • IBM Watson Health in cooperazione con Quest Diagnostic nel 2016 ha avviato un’iniziativa con l’obiettivo di avanzare metodologie usando il calcolo cognitivo.
  • L’azienda Berg con base a Boston, che lavora nell’ambito della biofarmaceutica, sta utilizzando il Machine Language e l’intelligenza artificiale per migliorare i servizi di diagnosi e di terapia in diversi settori medici, tra cui l’oncologia.  
  • DeepMind Health di Google, che prevede collaborazioni con il Regno Unito al fine di individuare strumenti contro la degenerazione maculare.
  • Nell’ambito delle malattie cerebrali come la depressione, il progetto P1vital dell’Università di Oxford di Previsione della risposta al trattamento di depressione (PReDicT) sta usando l’analisi predittiva per aiutare a diagnosticare e fornire cure, con l’obiettivo generale di produrre una batteria di test emotivi disponibile in commercio per l’uso in impostazioni cliniche.

2. Medicina personalizzata

L’obiettivo è quello di centrare i problemi di salute degli utenti per risolverli nella maniera più adatta per ciascuna persona, misurando i rischi che variano da caso a caso.

Individuazione di terapie e trattamenti su misura per il paziente

La personalizzazione dei trattamenti è importante per il settore in quanto porta ad una diminuzione dei costi totali dei servizi, dato che ciascun cliente aderirà al piano per lui individuato e prescritto.

IBM Watson Oncology è un’organizzazione che si occupa di orientare al cambiamento delle decisioni sulle terapie, attraverso l’uso di dati dei pazienti e informazioni mediche. Questi dati nel prossimo futuro rappresenteranno la fonte primaria di creazione di trattamenti personalizzati sofisticati e all’avanguardia.

Questa trasformazione riguarda anche molte aziende che si occupano di fornire soluzioni ai vari problemi di salute: è il caso di Somatix, che offre tecnologie per l’analisi dei dati per la migliore comprensione dei comportamenti con lo scopo di far smettere di fumare agli individui, e di SkinVision, che si occupa invece di prevenzione del melanoma cutaneo e invia immagini scattate dalla fotocamera del telefono cellulare a dermatologi specializzati in attesa di una loro analisi.

3. Produzione di farmaci

Il ML ha un’utilità molto importante per quanto riguarda l’individuazione di nuovi farmaci, partendo dallo studio della composizione arrivando fino a prevederne gli effetti.

La Royal Society con base in UK afferma che il Machine Learning è una soluzione ottima anche nella produzione di farmaci attraverso metodologie biologiche: in questo modo le case farmaceutiche vengono aiutante in maniera importante nel processo di produzione dei farmaci soprattutto per quanto riguarda le tempistiche e l’abbassamento dei costi di produzione.

Per quanto riguarda questa applicazione, la categoria oggetto di studio è la medicina di precisione che trova il suo attore principale nel MIT Clinical Machine Learning Group, che utilizza algoritmi per individuare le vie migliori per la produzione di farmaci e cure specialmente riferiti al diabete.

Un’ulteriore esemplificazione è data dal progetto Hannover di Microsoft che usa il Machine Learning in diversi casi, specialmente in tecnologie per le terapie volte alla cura del cancro e più in particolare all’individuazione di trattamenti personalizzati riguardo la leucemia mieloide acuta.

4. Svolgimento dei test clinici

L’applicazione del machine learning trova terreno fertile anche nell’ambito della ricerca sui test clinici. In particolare, attraverso esso è possibile individuare potenziali sperimentatori tra i pazienti interessati ad un trattamento sanitario, potendo contare su un numero maggiori di dati e informazioni relativi a questi utenti grazie all’analisi predittiva.

Ma il ML può anche essere usato per monitorare i dati in remoto e accedere ad essi in tempo reale per garantire una certa sicurezza nel trattamento, oltre che per moltissimi altri aspetti, come sottolinea sempre McKinsey&Company.

5. Radioterapia e radiologia

Il Dottor Ziad Obermeyer della Harvard Medical School in una intervista del 2016 ha affermato che nel prossimo futuro i radiologi saranno sostituiti da cyborg e robot che rimpiazzeranno il lavoro del personale medico in questione. Questa sostituzione garantirà un trattamento dei dati più veloce ed efficiente grazie all’utilizzo di algoritmi.

Dalla collaborazione tra DeepMind Health di Google e la University College London Hospital stanno nascendo i primi tentativi di sviluppo di questi algoritmi, le cui funzionalità permettono di scegliere con maggior cura i trattamenti radioterapici grazie allo studio dei tessuti colpiti da cellule cancerogene.

6. Raccolta elettronica dei dati

Un’altra funzionalità del Machine Learning è quella della raccolta elettronica di dati, tramite supporti che rilevano i caratteri e macchinari che utilizzano il vettoriale. È il caso di strumenti come l’API di Google Cloud Vision e di MATLAB, che riconoscono la grafia e le parole scritte.

Un esempio della messa in pratica di questi elementi è dato ancora dal MIT Clinical Machine Learning Group che attraverso l’uso del ML sta creando delle cartelle cliniche digitali dei pazienti che raccolgono informazioni personali e dati diagnostici.

7. Previsione delle epidemie

Il Machine Learning può essere utilizzato anche per la previsione delle epidemie in tutte le aree del mondo, tramite la raccolta dei dati disponibili tramite la rilevazione satellitare e di moltre altre risorse.

Già diversi strumenti di previsione sono stati utilizzati per monitorare ad esempio i casi di malaria, attraverso la raccolta di dati riguardanti temperature, aspetti meteorologici, casi di contagio.

La previsione di epidemia potrebbe essere di vitale importanza specialmente per i paesi del terzo mondo dove l’assistenza sanitaria non è ancora ottimale ed efficiente in quanto mancano strutture e risorse.

Esiste un programma che offre una lettura della situazione delle malattie, ovvero Pro-MED, che monitora in tempo reale l’andamento delle epidemie: questo software viene utilizzato da HealthMap per elaborare dati sullo stesso argomento.

Gli ostacoli alle applicazioni

L’applicazione del ML trova diversi ostacoli nei settori medico e farmaceutico che purtroppo non ne permettono l’esecuzione. Si tratta di sfide da vincere per poter godere delle potenzialità del Machine Learning in maniera completa, che sono:

  • La difficoltà di accesso dei dati medici, ancora troppo “privati” e utilizzabili con difficoltà per gli studi. Ancora troppi pochi pazienti acconsentono l’utilizzo delle informazioni che li riguardano, preoccupati del problema della privacy. Secondo una ricerca del 2016 della Wellcome Foundation in UK, però, solamente il 17% del campione non sarebbe d’accordo nel mettere a disposizione i suoi dati (in anonimo) per la ricerca;
  • Il bisogno di algoritmi maggiormente visibili e cristallini, per poter rispettare i regolamenti del settore farmaceutico;
  • Una necessità importante è rappresentata dal bisogno di professionisti del settore che vadano a creare un team di collaborazione con competenze diverse e complementari;
  • Sostituire i data silos puntando sulla condivisione di dati al fine di migliorare le ricerche, importanti in qualsiasi settore
  • La richiesta di rendere meno complessi i record elettronici troppo complicati e poco ordinati a causa dell’utilizzo dei database.

“Dottore, ma è vero che?”: l’empatia narrativa nella comunicazione scientifica

Il problema con le fake news è che le notizie possono essere false e spesso, purtroppo, lo sono, ma le emozioni (quindi empatia) che le sostengono sono sempre vere.

Per contrastare quindi quelle che oggi chiamiamo “bufale”, ma che nelle scienze sociali sono studiate da decenni come rumors o leggende metropolitane, non basta, come sappiamo, opporre la notizia vera a quella falsa. Occorre entrare nel mondo emotivo di chi ci ascolta. Facile dirlo, molto meno saperlo o volerlo fare.

Ricordo una discussione di qualche hanno fa con una società scientifica che rivendicava il suo diritto a pubblicare in chiaro immagini scioccanti della malattia perché “vere” e scientifiche, senza cogliere che l’impatto di quella visione, spingeva l’incauto visitatore direttamente nelle braccia di molto più accoglienti rimedi naturali.

Talvolta la comunicazione delle associazioni scientifiche conserva toni paternalistici oppure autoreferenziali, o semplicemente pensati per contrastare più che per accompagnare.

Dottore ma è vero che?”, il portale lanciato in questi giorni da FNOMCeO, sembra invece percorrere una strada diversa, che può segnare un cambiamento importante nella comunicazione scientifica della salute online.

Non ho navigato il sito in tutti i suoi contenuti, però almeno tre aspetti mi hanno colpito molto positivamente.

Il primo è lo stile grafico ed editoriale, dal nome del dominio alla home page: amichevole, vicino, accessibile. Tutto assume il punto di vista di chi cerca e non di chi spiega.

Il secondo è il “chi siamo”. Insieme a presidenti di ordini dei medici, giornalisti scientifici, universitari ed editori scientifici, troviamo anche un “debunker” e un’associazione come #iovaccino, che nasce da una pagina facebook di una mamma. Questo è un primo messaggio importante: il web può essere il luogo in cui , nel rispetto dell’informazione validata dalle migliori prove di efficacia ad oggi disponibili, si incontrano attori diversi, capaci di ibridare i linguaggi e di variare le modalità espressive, per adattarle ai diversi registri emotivi.

Il terzo è lo stile delle risposte, capace di empatia narrativa con chi legge. Un esempio è il testo “La chemioterapia fa più male che bene?” di Roberta Villa, medico e giornalista, che da più di vent’anni scrive sulle pagine di Salute del Corriere della Sera.

Vediamolo in analitico. La struttura della risposta si articola in tre aree.

  1. “Da dove nasce questa idea?”. Qui si dà valore all’esperienza che è alla base dell’idea che la chemioterapia faccia più male che bene. Non la si rifiuta o la nega, la si accoglie. “Sono farmaci definiti in maniera esplicita come “tossici”, per i quali occorre attenersi a una rigorosa serie di precauzioni: comprensibile che inquieti l’idea di farseli iniettare nelle vene”.
  2. “Che cosa la smentisce”. Solo dopo aver riconosciuto la legittimità e il valore della domanda, si passa a offrire i dati che mostrano, al contrario, l’efficacia del percorso di cura. Sempre però conservando uno sguardo critico e centrato non solo su cosa faccia bene alla malattia, ma anche alla persona: “Per altri tipi di tumori i risultati sono meno clamorosi, ma hanno contribuito ad aumentare la sopravvivenza globale per cancro. In tutti i casi si tratta di soppesare pro e contro, sia in termini di durata sia di qualità della vita, con o senza chemioterapia: per alcune situazioni, come quelle sopra descritte, i vantaggi della chemioterapia a medio e lungo termine sono indiscutibili, in altre, invece, possono essere meno certi”.
  3. “Perché ci si crede?” Nel finale, la risposta si fa carico del vissuto emotivo che sostiene e alimenta la domanda:“l’idea di iniettare nell’organismo sostanze potenzialmente tossiche e che provocano malessere, in vista di un possibile futuro miglioramento, nei confronti di una malattia che talvolta non provoca ancora disturbi ma è solo una “macchia” nelle immagini radiografiche, va quindi contro il nostro naturale istinto di autoprotezione e sopravvivenza. Anche l’abusata metafora della “guerra contro il cancro”, che vede l’organismo come un campo di battaglia destinato a subire le conseguenze dello scontro tra le proprie cellule “ribelli” – che in fondo però sono parte di sé – e il “veleno” introdotto dall’esterno per sterminarle, potrebbe aver contribuito ad aggiungere un’ostilità inconscia nei confronti di queste cure”.

“Capire l’origine di queste paure…”, ecco cosa serve per comunicare e per informarsi al meglio. Il testo ha una doppia valenza: 1) riconoscere il valore delle paure, per superarle; 2) rassicurarci che le paure non sono solo una nostra incapacità ad affrontare una malattia o una cura, ma possono anche nascere da un immaginario collettivo condiviso che le alimenta. La metafora della guerra resta molto diffusa anche nel linguaggio medico. Elena Semino, linguista dell’Università di Lancaster, ha studiato per anni le diverse metafore usate nel discorso oncologico, mostrandone pro e contro.

In una interessante autoetnografia del suo tumore al seno, Trisha Greenhalgh, punto di riferimento del Rinascimento dell’EBM a Oxford, racconta come all’inizio si sia dovuta confrontare con la rappresentazione culturale della chemioterapia e della sua ambivalenza che porta a chiedersi perché non si possa dire bene della chemioterapia.

L’immunizzazione rispetto alle fake news richiede una grande empatia narrativa. Possiamo essere aiutati ad avere meno paura non solo con le informazioni corrette, ma anche con le metafore giuste per dirle. “Dottore ma è vero che..” ci aiuta nel percorso.

Fonte: cristinacenci.nova100.ilsole24ore.com / Autore: Cristina Cenci

Intelligenza artificiale in sanità: separare la realtà da l’hype

È impossibile leggere sul futuro dell’assistenza sanitaria senza incontrare due vocali pixellate che, insieme, rappresentano le speranze e le paure di un’industria alla ricerca di soluzioni più intelligenti.

Anche se il campo dell’intelligenza artificiale (AI) esiste dal 1956, ha reso preziosi pochi contributi alla pratica medica. Solo di recente l’hype dell’apprendimento basato su macchine ha iniziato a fondersi con la realtà.

Cos’è l’intelligenza artificiale?

La confusione che circonda l’IA – le sue applicazioni nel settore sanitario e persino la sua definizione – rimane diffusa nei media popolari. Oggi, l’intelligenza artificiale è una scorciatoia per qualsiasi compito che un computer può eseguire altrettanto bene, se non meglio, degli esseri umani.

Ma ci sono diverse forme di computer Intelligence da considerare quando si pensa al suo ruolo in medicina. La maggior parte delle soluzioni generate al computer che stanno emergendo nel settore sanitario non si basano su un’intelligence indipendente. Piuttosto, usano algoritmi creati dagli umani come base per analizzare i dati e raccomandare trattamenti.

Al contrario, il “machine learning” si basa sulle reti neurali (un sistema computerizzato modellato sul cervello umano). Tali applicazioni implicano analisi probabilistiche multi livello, che consentono ai computer di simulare e persino espandere il modo in cui la mente umana elabora i dati. Di conseguenza, nemmeno i programmatori possono essere sicuri di come i loro programmi per computer possano ricavare soluzioni.

C’è ancora un’altra variante AI, conosciuta come “deep learning“, in cui il software impara a riconoscere i pattern in livelli distinti. Nel settore sanitario, questo meccanismo sta diventando sempre più utile. Poiché ogni strato di rete neurale funziona indipendentemente e in concerto, separando aspetti come colore, dimensioni e forma prima di integrarli, questi nuovi strumenti visivi mantengono la promessa di trasformare la medicina diagnostica e possono persino cercare il cancro a livello di singola cellula.

L’AI può essere tagliata e ritagliata a cubetti in molti modi diversi, ma il modo migliore per comprenderne l’uso potenziale nell’assistenza sanitaria è quello di suddividere le sue applicazioni in tre categorie distinte: soluzioni algoritmiche, strumenti visivi e pratica medica.

Soluzioni algoritmiche

Oggi in ambito sanitario le applicazioni AI più comunemente utilizzate sono algoritmiche: approcci basati su evidenze programmate da ricercatori e clinici.

Quando gli esseri umani incorporano dati noti in algoritmi, i computer possono estrarre informazioni e applicarle a un problema. Prenditi cura del cancro, per esempio. Utilizzando algoritmi di consenso di esperti del settore, insieme ai dati che gli oncologi inseriscono in una cartella clinica (cioè, età del paziente, genetica, stadiazione del cancro e problemi medici associati), un computer può rivedere dozzine, a volte centinaia, di alternative terapeutiche consolidate e raccomandare la combinazione più appropriata di farmaci chemioterapici per un paziente.

Forse la mia soluzione algoritmica preferita viene dal Dr. Gabriel Escobar e dai suoi colleghi nella divisione di ricerca del Permanente Medical Group.

La ricerca del team si è concentrata su una delle popolazioni più importanti di qualsiasi ospedale: pazienti in un’unità medica o chirurgica che sperimenteranno un deterioramento dello stato clinico e saranno trasferiti in ICU.

Sebbene questi pazienti ricevano cure intensive per un evento acuto, e apparentemente ritornino al loro precedente stato di salute, sono tre o quattro le probabilità in più di morire che se un medico fosse intervenuto e prevenuto il deterioramento in primo luogo.

Il Dr. Escobar, insieme al capo della divisione Dr. Tracy Lieu e al direttore esecutivo associato Dr. Philip Madvig, ha compilato i dati di 650.000 pazienti ospedalizzati, 20.000 dei quali hanno richiesto questo tipo di trasferimento ICU.

Il team ha quindi creato un modello analitico predittivo per identificare quali pazienti ospedalizzati oggi hanno più probabilità di finire in terapia intensiva domani. Hanno quindi incorporato l’algoritmo in un sistema informatico, che monitora continuamente lo stato di salute di tutti i pazienti ospedalizzati. Infine, hanno progettato avvisi per informare i medici ogni volta che un paziente è considerato “a rischio”. Con queste informazioni, i medici possono intervenire prima di una grave complicazione e salvare centinaia di vite in più ogni anno.

Strumenti visivi

Per apprezzare il potenziale del riconoscimento del pattern visivo nelle cure mediche, è necessario comprendere quanto spesso l’occhio umano fallisce anche nei migliori clinici.

Una coppia di studi indipendenti ha rilevato che dal 50% al 63% delle donne statunitensi che ottengono mammografie regolari oltre 10 anni riceveranno almeno un “falso positivo” (un risultato del test che indica erroneamente la possibilità di cancro, richiedendo quindi test aggiuntivi e, a volte, procedure non necessarie). Fino a un terzo del tempo, due o più radiologi che osservano la stessa mammografia non saranno d’accordo sulla loro interpretazione dei risultati.

Si stima che il software di riconoscimento di modelli visivi, in grado di memorizzare e confrontare decine di migliaia di immagini utilizzando le stesse tecniche euristiche degli esseri umani, sia del 5% al ​​10% più accurato del medico medio.

Si prevede che il divario di accuratezza tra occhio umano e occhio digitale si allargherà ulteriormente, e presto. Man mano che le macchine diventano più potenti e gli approcci di deep learning ottengono trazione, continueranno ad avanzare campi diagnostici come la radiologia (TC, MRI e interpretazione mammografica), patologia (diagnosi microscopica e citologica), dermatologia (identificazione di rash e valutazione della lesione pigmentata per potenziale melanoma) e oftalmologia (esame della retina per predire il rischio di retinopatia diabetica e malattie cardiovascolari).

Utilizzo dell’AI nella pratica medica quotidiana

Nello show televisivo House , il genio di un medico supera l’esperienza dei suoi colleghi, il che implica che se tutti i medici fossero intelligenti come il Gregory House, gli enigmi diagnostici sarebbero quasi scomparsi insieme a morti inutili negli ospedali.

In realtà, la più grande differenza tra i medici non è il loro livello di intelligenza, ma (a) come affrontano i problemi dei pazienti e (b) i sistemi sanitari che li supportano. E poiché “a” e “b” si combinano per creare ampie variazioni nei risultati clinici a livello nazionale, l’apprendimento automatico offre una grande speranza per il futuro.

Due approcci AI, entrambi attualmente disponibili, potrebbero migliorare radicalmente le prestazioni del medico.

Il primo è l’elaborazione in linguaggio naturale, una branca dell’intelligenza artificiale che aiuta i computer a capire e interpretare il linguaggio e la scrittura umana. Questo software può revisionare migliaia di cartelle cliniche elettroniche complete e chiarire i passaggi migliori per la valutazione e la gestione dei pazienti con più malattie. Il secondo approccio consiste nell’utilizzare i computer per guardare (e imparare da) i medici sul posto di lavoro.

A San Francisco, Adrian Aoun sta utilizzando il suo background nell’intelligenza artificiale per esplorare come le macchine possono imparare dai medici esperti in tempo reale.

Piuttosto che estrarre e analizzare i dati in modo retrospettivo (dopo che i medici hanno compilato le loro cartelle cliniche), la startup di Aoun per la cura primaria Forward usa l’intelligenza artificiale per seguire ciò che i medici fanno, passo dopo passo. Con l’immissione dati touch-screen e il riconoscimento vocale, i computer di Forward registrano e analizzano in che modo i migliori medici ottengono risultati superiori. I risultati vanno a beneficio dei loro colleghi e dei loro pazienti.

Sfortunatamente, la più grande barriera all’intelligenza artificiale in medicina non è la matematica. Piuttosto, è una cultura medica che valorizza l’intuizione del medico rispetto alle soluzioni basate sull’evidenza. I medici si aggrappano alla loro indipendenza e odiano sentirsi dire cosa fare. Trovarle a proprio agio con l’idea di una macchina che si guarda alle spalle mentre praticano si rivelerà molto difficile negli anni a venire.

Comprensione di Hype e Fear Of AI

Le start-up e le aziende tecnologiche sono salite a bordo di tutta la Hype AI, promettendo una serie di nuove e sofisticate soluzioni da infermiere a “AInsurance” (assicurazione alimentata da AI) a dispositivi indossabili per anziani, per citarne alcuni. La maggior parte sono interessanti ma non trasformativi. In generale, sono algoritmici e non approcci di machine learning. Quasi tutti non sono riusciti a spostare l’ago su risultati di qualità o aspettativa di vita.

Per ogni imprenditore che mette in luce l’intelligenza artificiale come la prossima grande cosa in medicina, ci sono molti che temono che le macchine sostituiranno (o addirittura accenderanno) gli umani. Credo che queste paure siano fondate più sulla fantascienza che sulla realtà. È vero che l’intelligenza informatica avanza più velocemente dell’intelligenza umana. Ma questo sviluppo offre molte più opportunità rispetto ai pericoli.

Se vedremo la velocità del computer raddoppiare altre cinque volte nei prossimi 10 anni, gli strumenti di apprendimento automatico e il software diagnostico economico potrebbero presto diventare essenziali per i medici quanto lo stetoscopio lo era in passato.

Allo stesso tempo, dobbiamo accettare una verità difficile: se la tecnologia migliorerà la qualità e ridurrà i costi dell’assistenza sanitaria, alcuni posti di lavoro nel settore sanitario scompariranno. Secondo uno studio, l’Intelligenza Artificiale è destinata a conquistare il  47% del mercato del lavoro statunitense entro 20 anni. Anche se i lavori dei colletti blu sono da tempo tra i capelli della tecnologia, anche i medici e altri operatori sanitari stanno iniziando a sentire la pressione. Sfortunatamente, questa è la natura del progresso. Ciò che migliora le vite e abbassa i prezzi per molti influenzerà negativamente coloro che hanno beneficiato del vecchio modello di successo. L’impatto di Uber e Lyft sull’industria dei taxi è un ovvio esempio. La robotica nella produzione è un’altra.

Senza dubbio, il ruolo del medico cambierà in futuro. Fortunatamente per i medici, tuttavia, i computer devono ancora dimostrare il tipo di empatia e compassione a cui milioni di pazienti fanno affidamento nelle loro cure mediche.

La promessa e il potenziale dell’IA in medicina

Mi aspetto che gli imprenditori e le imprese continueranno a investire in applicazioni di intelligenza artificiale e le pubblicizzeranno sempre di più. In effetti, l’apprendimento automatico ha il potenziale per portare la medicina molto al di là di ciò che è capace oggi.

La prova di questo fatto può essere trovata in un antico gioco cinese inventato più di 2500 anni fa. “Go”, un gioco da tavolo a due giocatori in cui gli avversari cercano di rivendicare il maggior territorio, è incredibilmente complesso e astratto, con una serie apparentemente infinita di mosse possibili. Il suo grado di difficoltà lasciava pochi osservatori credendo che un computer potesse mai essere il migliore per un uomo competente. Quel mito è stato distrutto nel 2015 quando AlphaGo, un programma creato dalla divisione Google Deepmind, ha battuto Lee Se-Dol, uno dei migliori giocatori del mondo.

La cosa più interessante, però, è come AlphaGo ha fatto tutto ciò. A differenza del Deep Blue di IBM, che sconfisse il campione di scacchi Garry Kasparov nel 1997, AlphaGo non “imparò” studiando gli umani e ripetendo le partite precedenti. Secondo un articolo di Nature , gli umani potrebbero aver insegnato ad AlphaGo le regole, ma il programma ha dominato il gioco giocando contro se stesso.

Questo tipo di “apprendimento profondo” potrebbe essere la cosa che catapulta il sistema sanitario americano nel futuro, aiutando a chiarire i migliori approcci all’assistenza, creando nuovi approcci per diagnosticare e trattare centinaia di problemi medici e misurare l’aderenza al medico senza i pregiudizi difettosi della mente umana.

Questi tipi di progressi arriveranno prima a organizzazioni mediche integrate, capitolate e abilitate alla tecnologia. Prevedo che queste organizzazioni adottino prima le soluzioni algoritmiche su smartphone o tablet, seguite da software di riconoscimento dei pattern e, infine, le migliori pratiche generate dalle macchine per i singoli pazienti.

Col passare del tempo, i pazienti saranno in grado di utilizzare una varietà di strumenti di intelligenza artificiale per prendersi cura di se stessi, così come oggi gestiscono molti altri aspetti della loro vita. Potrebbe non succedere presto. Dopotutto, gli sforzi per produrre veicoli a guida autonoma risalgono agli anni ’50. Ma a volte in futuro – più anni di quanto gli imprenditori vorrebbero e meno anni di quanto la maggior parte dei medici sperano – l’IA interromperà l’assistenza sanitaria come noi la conosciamo. Di questo possiamo esserne certi.

 

Fonte: forbes.com

L’Alphabet ha archiviato 186 brevetti sanitari. Attenzione, mondo

Le grandi aziende tecnologiche hanno già sconvolto retail, media, finanza e quasi ogni altra industria. Avanti il ​​prossimo? Scienze della vita, secondo Ernst & Young .

Tra il 2013 e il 2017 AlphabetMicrosoft e Apple ha presentato oltre 300 brevetti legati all’assistenza sanitaria, secondo un nuovo rapporto pubblicato dalla divisione Ernst & Young Life Sciences pubblicato martedì. Alphabet ha archiviato 186 brevetti, Microsoft ha presentato 73 e Apple ha depositato 54 brevetti in soli 4 anni, rappresentando un aumento del 38% del numero di brevetti relativi alla salute depositati da queste tre società ogni due anni.

Questo tipo di competizione profonda rappresenta una nuova sfida per le aziende farmaceutiche, afferma Ernst & Young. EY ha affermato che mentre i lanci di farmaci di successo possono ancora essere incredibilmente redditizi, con le crescenti pressioni sui rimborsi, il numero di farmaci che stanno raggiungendo almeno il 50% delle previsioni di vendita degli analisti è in calo dal 2005. Invece, la relazione di EY suggerisce, vita Le società di scienze devono concentrarsi sull’imbrigliamento dei dati che devono sviluppare piattaforme digitali che potrebbero creare un modo per i pazienti di capire la loro salute in un modo che AirBnb ha aiutato i consumatori a trovare una stanza economica o Uber ha contribuito a trovare un passaggio.

Alcune delle competenze che le società tecnologiche hanno sono esattamente ciò di cui l’industria ha bisogno

“Alcune delle competenze che le società tecnologiche hanno sono esattamente ciò di cui l’industria ha bisogno”, ha detto Pamela Spence, leader del settore delle scienze della vita mondiali di Ernst & Young, che punta sul grande numero di scienziati di dati delle grandi aziende tech sul personale. “L’aumento demografico di una popolazione che invecchia e della classe media emergente in tutto il mondo ha improvvisamente creato un enorme mercato aggiuntivo per l’assistenza sanitaria”.

E & Y dice che ci sono state circa 90 offerte dal 2014 in cui le società di scienze biologiche hanno collaborato con aziende tecnologiche. Teva Pharmaceuticals ha collaborato con Intel  nel 2016 per combinare i dati estratti dai dispositivi indossabili con una sperimentazione clinica che monitora la progressione delle malattie di Huntington. Novartis ha collaborato con Verily Life Sciences, e Alphabet Company, su sensori da incorporare nelle lenti a contatto. Roche ha recentemente acquistato Flatiron per la salute e tecnologia per $ 1,9 miliardi.

Le innovazioni dell’assistenza sanitaria di Alphabet fino ad ora stanno gestendo l’acquisizione dall’acquisizione di intelligenza artificiale DeepMind e Verily, alle sue partnership con la clinica virtuale di diabete Onduo, la società di sala operatoria Verb Surgical e la startup di dispositivi medici Galvani Bioelectronics. Nel frattempo, in base ai tipi di brevetti depositati, Microsoft si è concentrata sullo sviluppo di dispositivi volti a monitorare le condizioni croniche e i brevetti di Apple si sono concentrati sulla capacità di iPhones di acquisire e utilizzare i dati biometrici in molti modi.

Amazon, secondo la ricerca di EY non ha presentato alcun brevetto di assistenza sanitaria – ancora. Ma la loro partnership annunciata con Berkshire Hathaway e JP Morgan, insieme al team di consegna della droga segreta della compagnia, 1492, rappresenta un’altra minaccia per gli operatori sanitari.

 

Fonti forbes.com

Il nuovo algoritmo AI di Google prevede le malattie cardiache guardandoti negli occhi

Gli esperti dicono che potrebbe fornire un modo più semplice per predire il rischio cardiovascolare

Gli scienziati di Google e della sua sussidiaria di tecnologia sanitaria Verily hanno scoperto un nuovo modo di valutare il rischio di malattie cardiache di una persona utilizzando l’apprendimento automatico. Analizzando le scansioni della parte posteriore dell’occhio di un paziente, il software dell’azienda è in grado di dedurre con precisione i dati, tra cui l’età di un individuo, la pressione sanguigna e se fumano o no. Questo può quindi essere usato per prevedere il loro rischio di subire un evento cardiaco maggiore – come un infarto – con approssimativamente la stessa accuratezza dei metodi attuali.

L’algoritmo potenzialmente rende più facile e veloce per i medici analizzare il rischio cardiovascolare di un paziente, in quanto non richiede un esame del sangue. Ma il metodo dovrà essere testato più a fondo prima di poter essere utilizzato in ambito clinico. Un documento che descrive il lavoro è stato pubblicato oggi nella rivista Nature Biomedical Engineering anche se la ricerca è stata condivisa già lo scorso settembre.

Luke Oakden-Rayner, ricercatore medico presso l’Università di Adelaide, specializzata in analisi dell’apprendimento automatico, ha dichiarato a The Verge che il lavoro è stato solido e mostra come l’AI possa contribuire a migliorare gli strumenti diagnostici esistenti. “Stanno prendendo dati che sono stati catturati per un motivo clinico e stanno ottenendo di più da ciò che facciamo attualmente“, ha affermato Oakden-Rayner. “Piuttosto che sostituire i medici, sta cercando di estendere quello che possiamo realmente fare“.

Per addestrare l’algoritmo, gli scienziati di Google e Verily hanno utilizzato l’apprendimento automatico per analizzare un set di dati medici di circa 300.000 pazienti. Queste informazioni includevano scansioni oculari e dati medici generali. Come con tutte le analisi dell’apprendimento accurato, le reti neurali sono state quindi utilizzate per estrarre queste informazioni per motivi, imparando ad associare segni rivelatori nelle scansioni oculari con le metriche necessarie per prevedere il rischio cardiovascolare (ad esempio, età e pressione arteriosa).

Sebbene l’idea di guardare i tuoi occhi per giudicare la salute del tuo cuore suona inusuale, trae ispirazione da un corpo di ricerche consolidate. La parete interna posteriore dell’occhio (il fondo) è piena zeppa di vasi sanguigni che riflettono la salute generale del corpo. Studiando il loro aspetto con la macchina fotografica e il microscopio, i medici possono dedurre cose come la pressione sanguigna di un individuo, l’età e se fumano o no, che sono tutti importanti fattori predittivi della salute cardiovascolare.

Due immagini del fondo o parte posteriore interna dell’occhio. Quello a sinistra è un’immagine regolare; a destra mostra come l’algoritmo di Google preleva i vasi sanguigni (in verde) per prevedere la pressione sanguigna.

Quando è stato presentato con immagini retiniche di due pazienti, uno dei quali ha sofferto di un evento cardiovascolare nei cinque anni successivi, e uno dei quali no, l’algoritmo di Google è stato in grado di dire quale era il 70% delle volte. Questo è solo leggermente peggiore del metodo SCORE comunemente usato per predire il rischio cardiovascolare, che richiede un esame del sangue e rende le previsioni corrette nello stesso test il 72% delle volte.

Alun Hughes, professore di fisiologia cardiovascolare e farmacologia all’UCL di Londra, ha detto che l’approccio di Google sembra credibile a causa della “lunga storia di osservare la retina per predire il rischio cardiovascolare“. Ha aggiunto che l’intelligenza artificiale ha il potenziale per accelerare le forme esistenti di medicina analisi, ma ha avvertito che l’algoritmo avrebbe bisogno di essere testato ulteriormente prima che potesse essere considerato attendibile.

Per Google, il lavoro rappresenta più di un nuovo metodo per giudicare il rischio cardiovascolare. Indica la strada verso un nuovo paradigma basato sull’intelligenza artificiale per la scoperta scientifica. Mentre la maggior parte degli algoritmi medici sono costruiti per replicare gli strumenti diagnostici esistenti (come l’identificazione del cancro della pelle, per esempio), questo algoritmo ha trovato nuovi modi per analizzare i dati medici esistenti. Con dati sufficienti, si spera che l’intelligenza artificiale possa quindi creare una visione medica completamente nuova senza la direzione umana. È presumibilmente parte del motivo per cui Google ha creato iniziative come il suo studio Baseline che sta raccogliendo record medici esaurienti di 10.000 persone nel corso di quattro anni.

Per ora, l’idea di un medico di IA che sforna nuove diagnosi senza la supervisione umana è una prospettiva lontana – molto probabilmente decenni, piuttosto che anni, nel futuro. Ma la ricerca di Google suggerisce che l’idea non è completamente inverosimile.

Fonte: theverge.com 

Nasce Google Cloud per organizzare le informazioni mediche

Diane Greene, Google

Google ha già organizzato i risultati di ricerca del mondo. Ora passa alle informazioni mediche.

Il business del Cloud aziendale ha come obiettivo quello di aiutare i clienti ad aggregare dati medici, sia che si tratti di laboratori, cartelle cliniche o immagini a raggi X. Tutte queste informazioni sono attualmente disperse nei vari ospedali e cliniche in cui i pazienti ricevono assistenza, ed è un enorme dolore per medici, infermieri e pazienti.

Ciò porta a tutti i tipi di test e procedure duplicati, che è costoso. E può creare lacune di informazioni pericolose, ad esempio se un sistema sanitario non può accedere facilmente a una cartella clinica con una panoramica completa delle allergie di un paziente.

Google Cloud sta tentando di indirizzarsi attraverso una nuova interfaccia di programmazione dell’applicazione o “API” che, a sua volta, può importare tutti i tipi di dati importanti relativi all’assistenza sanitaria. E ha schierato diversi partner ospedalieri per il suo programma di accesso anticipato, tra cui la Stanford School of Medicine.

Vedo l’impatto che la disponibilità di dati può avere in medicina e la necessità di farlo è urgente“, ha affermato Greg Moore, vice presidente dell’assistenza sanitaria di Google Cloud. Moore è un dottore in possesso di un background informatico che è stato reclutato da Geisinger Health dal capo della Cloud di Google, Diane Greene.

Il business del Cloud di Google è in competizione con Amazon Web Services e Microsoft Azure nel settore sanitario multimiliardario. L’assistenza sanitaria è particolarmente interessante per queste aziende in quanto è una delle poche industrie rimaste che non è ancora completamente passata al cloud.

Apple sta anche lavorando per ottenere informazioni sulla salute alle persone che ne hanno più bisogno ma il suo approccio di Apple è un pò diverso in quanto mette i pazienti al centro dando il consenso a richiedere i loro record dal loro istituto medico su iPhone.

Questa non è la prima volta che Google punta gli occhi sui dati sanitari. Ha provato ad affrontare il problema una volta in precedenza con Google Health, che è stato chiuso nel 2011 per una serie di motivi (per prima cosa, molte informazioni mediche erano ancora archiviate su carta). Da allora, la maggior parte dei medici è ora completamente passata ai sistemi digitali.

Ma ciò non significa che i dati siano facilmente trasferibili da un sistema sanitario all’altro. “Vogliamo spingere in avanti l’industria e fornire il nostro strumento come invito all’azione“, ha affermato Moore.

Fonte: cnbc.com