Guidorzi ha affrontato il tema di quali siano le migliori condizioni per la gestione dei progetti in ambito Intelligenza Artificiale in Sanità con soluzioni avanzate che gestiscano in modo "industriale" l’asset dati dell'organizzazione e ne rimettano immediatamente a disposizione l'intelligenza acquisita attraverso un concetto di servizi per migliorare gli aspetti diagnostici e terapeutici delle cure.

InterSystems è da 40 anni tra i leader nel settore della sanità e nella gestione dei dati generati in questo ambito. Si tratta di un contesto in cui la crescita di dati cresce esponenzialmente: intorno al +60% l'anno, ritmo difficilmente riscontrabile in altri settori.

"Nell’ambito dell’Intelligenza Artificiale (IA), in particolare applicata alla medicina e alla diagnostica, le tecnologie di Machine Learning (ML) sono quelle che permettono ai sistemi di migliorarsi con il tempo e imparare, esattamente come avviene con il cervello umano, ma alla base di tutto ci sono i dati che sono la materia prima di ogni processo sanitario. Gli algoritmi di ML possono portare a valutazioni più accurate rispetto ad altre tecnologie e persino rispetto alle valutazioni degli esperti umani, con conseguenti miglioramenti delle capacità di cura, di previsione dei rischi e dell’individuazione di nuove variabili prognostiche. Ad esempio, l’adozione di tecniche di Machine Learning su 80 mila casi di disturbi cardiologici ha permesso di generare 586 variabili predittive in luogo delle 27 rilevabili in modalità tradizionali. Di conseguenza IA e ML possono dare un grande aiuto agli operatori sanitari, affinando le informazioni su cui basare interventi successivi sul paziente. Abbiamo avuto modo di rilevare questi vantaggi in diversi ambiti: ad esempio, la dermatologia e la salute mentale; nel primo la maggiore accuratezza ha consentito di accorciare il tempo di diagnosi e al contempo ridurre al minimo le biopsie. In generale, la qualità dei risultati dei progetti di ML dipende fortemente dalla qualità dei dati di input. Questo significa che prima di una strategia di IA occorre definire in maniera preventiva una data strategy. Una componente importante, in tutti i progetti di IA/ML, ad esempio, è quella di un'adeguata pulizia dei dati per renderli efficacemente utilizzabili. Inoltre, ci siamo convinti che un approccio vincente sia quello di concepire la piattaforma AI/ML in modalità real time, con un ciclo di apprendimento continuo."

In definitiva, il messaggio di Guidorzi è che il vero asset siano i dati, mentre gli algoritmi di IA/ML sono una commodity: è la qualità del dato che determina la qualità dell’algoritmo, anche se perlomeno nel breve termine non sarà possibile sostituire il professionista clinico con le diagnosi automatiche, ma piuttosto fornirgli il miglior supporto alle decisioni possibile.