Page 55 - CNO_244

FO r UM s U lla i ntelligen Z a a rti F iciale

crescita e dinamicità intrinseca nella
tecnologia di AI. Esso comporta un
forte valore di equità nel trattamento,
visto che l’addestramento non viene
fatto con dati selezionati o fortemente
legati a delle condizioni cliniche,
sociali o geografiche, ma può essere
fatto ampliando la base dati stessa.
Verrà permesso così di pesare variabili
che, per esempio, negli score nati da
studi su un campione selezionato,
non si avrebbero altrimenti. È una
tecnologia che per definizione
è lo specchio della “real world
experience”.
Il supporto del clinico fornito da
Figura 2 AI non deve essere visto come
sostituzione o instradamento passivo,
che venga progettata secondo tutti “game changer” perché aggrega ma come un vero suggerimento al
i criteri ormai individuati e definiti dati di diversa natura e tipologia, medico. I dati e le practice con cui
relativamente alla “cybersecurity”. Gli strutturati e non strutturati, si fanno diagnosi o cura rimangono
strumenti che operano e le relazioni per restituire ad esempio i medesimi, ma parallelamente
sono codificati e progettati sempre un unico indicatore clinico
in quest’ottica, permettendo anche, sintetico e prognostico (da qui Un modello di ia nel
in taluni casi, una verifica dello la denominazione “AI by long-
status quo del sistema informatico live big data”). L’applicativo di comparto dell’iOMt
sanitario più generale. È nel DTL che AI consente: la stratificazione del rappresenta la più
avviene l’addestramento Machine paziente e valutazioni per priorità virtuosa forma di
Learning e si creano gli applicativi sempre “data driven”; un approccio
di AI poi rilasciabili al front-end “one-to-many by one health” cioè appropriatezza clinica,
medico-paziente mediante sistemi il clinico può gestire più pazienti con al centro il paziente
di supporto alle decisioni. Grazie contemporaneamente focalizzando
a queste forme di AI è possibile la propria attenzione su quelli e il suo mondo di dati
organizzare il Network di Eccellenza più critici / instabili avendo così e informazioni, tutti
Clinica (Figura 2): un sistema di AI una prima lettura della situazione
impara ad interpretare differenti clinica e approfondendo i singoli equamente e facilmente
azioni cliniche che derivano da una parametri in un secondo tempo accessibili
nuova condizione del paziente con “augmented decision”; il costante
l’obiettivo di perfezionare sempre aggiornamento ogni volta che nuovi
più l’applicativo e rilasciare al medico dati/informazioni sul paziente vengono aggregati ad esempio in
automaticamente suggerimenti sui vengono inseriti rimanendo di facile un indicatore che aiuta a vedere il
rischi nel contesto clinico in esame, e veloce lettura; il supporto nei decorso e la prognosi e supporta il
sulle forme di testing e sull’outcome diversi snodi decisionali all’interno medico nel valutare talune scelte con
promuovendo ricerca, pratica clinica del percorso specifico o più ampio. tempistica correlata all’instabilità
e strategie di prevenzione. Questo introduce il Continuous del paziente. In questo senso tali
L’AI è una tecnologia realmente Learning e, quindi, la capacità di strumenti di AI possono supportare

53