Associazioni dei pazienti, dall’AI nuove strategie per migliorare i servizi sanitari

Le associazioni che rappresentano le persone con specifiche patologie potrebbero avere a disposizione un nuovo strumento per individuare le carenze dell’assistenza sanitaria e chiedere alle istituzioni interventi più mirati. A supportarle potrebbe essere l’intelligenza artificiale, utilizzata per analizzare grandi quantità di dati pubblici, riconoscere i bisogni ancora insoddisfatti e trasformare le informazioni raccolte in iniziative di advocacy documentate e verificabili. È la prospettiva delineata da Richard G. Stefanacci nel contributo “Turning Compliance Into Action: An Augmented Intelligence-Enabled Framework for Advocacy Organizations to Drive Population Health Improvement“, pubblicato su Population Health Management. Il punto di partenza sono le Community Health Needs Assessments (CHNA), le valutazioni dei bisogni sanitari delle comunità che, negli Stati Uniti, gli ospedali esenti da imposte sono tenuti a realizzare nell’ambito degli obblighi previsti dall’Affordable Care Act. Si tratta di documenti pubblici che raccolgono informazioni sulle condizioni di salute della popolazione, sui bisogni assistenziali e sulle criticità presenti nei territori. Secondo l’autore, rappresentano una fonte di dati ancora poco utilizzata dalle organizzazioni che si occupano di tutelare i diritti delle persone con determinate patologie.

Dai dati pubblici alle richieste alle strutture sanitarie

Il modello proposto prevede che le associazioni utilizzino agenti di intelligenza artificiale per esaminare sistematicamente queste valutazioni. Attraverso la raccolta automatizzata delle informazioni e l’elaborazione del linguaggio naturale, i sistemi potrebbero analizzare i documenti, individuare le lacune nell’assistenza riferite a specifiche condizioni e confrontare i bisogni rilevati con le risposte messe in campo dalle strutture sanitarie. Le informazioni ottenute potrebbero quindi essere utilizzate per avviare interlocuzioni mirate con i vertici ospedalieri, presentando richieste costruite sulla base delle criticità documentate. L’obiettivo è superare un utilizzo prevalentemente formale delle valutazioni dei bisogni sanitari e trasformarle in uno strumento concreto per orientare le decisioni e migliorare i servizi.

L’esempio dell’Alzheimer nella contea di Los Angeles

Il contributo prende come riferimento l’assistenza alle persone con Alzheimer e demenza nella contea di Los Angeles. In questo contesto, le organizzazioni di advocacy potrebbero utilizzare l’intelligenza artificiale per individuare le necessità assistenziali non adeguatamente soddisfatte, analizzare le risposte delle strutture sanitarie e formulare raccomandazioni specifiche. Tra le organizzazioni citate figurano Alzheimer’s Los Angeles, American Heart Association e National Alliance on Mental Illness. Il modello, tuttavia, non è limitato alle patologie neurodegenerative: secondo l’autore, potrebbe essere applicato anche ad altre condizioni croniche e ad ambiti nei quali siano disponibili dati pubblici sui bisogni delle comunità e operino associazioni impegnate nella tutela delle persone interessate.

Scorecard pubbliche per promuovere il cambiamento

Un elemento centrale della proposta è la possibilità di rendere pubblici i risultati delle valutazioni attraverso scorecard, strumenti di sintesi che permetterebbero di confrontare le risposte dei diversi sistemi sanitari rispetto ai bisogni individuati. dazioni costruttive basate sulle evidenze, dovrebbe contribuire a sollecitare le strutture sanitarie a intervenire. L’autore descrive questo meccanismo come una combinazione di responsabilità reputazionale e proposta di soluzioni: da una parte, rendere riconoscibili le carenze; dall’altra, indicare possibili azioni correttive A sostegno dell’approccio, il contributo richiama la letteratura sulla rendicontazione delle performance pubbliche, secondo cui iniziative di questo tipo potrebbero raggiungere percentuali di coinvolgimento comprese tra il 40% e il 70% e determinare cambiamenti istituzionali significativi nel 30%-60% dei sistemi interessati. Si tratta, tuttavia, di stime richiamate nel commento e non di risultati ottenuti attraverso una sperimentazione diretta del modello proposto.

L’IA come strumento di advocacy, non come sostituto delle decisioni

La prospettiva delineata amplia il possibile ruolo dell’intelligenza artificiale nella sanità pubblica. Oltre alle applicazioni cliniche e organizzative, queste tecnologie potrebbero infatti sostenere anche le attività delle associazioni, aiutandole a leggere informazioni complesse, documentare le disuguaglianze e rendere più incisivo il confronto con le istituzioni. La proposta apre anche una riflessione sull’integrazione responsabile dell’IA nelle attività di advocacy. L’analisi automatizzata dei documenti può facilitare l’individuazione delle criticità, ma la qualità delle informazioni, la loro interpretazione e la formulazione delle richieste richiedono verifiche e valutazioni umane. Il contributo di Stefanacci non presenta una sperimentazione clinica né dimostra che il modello produca già miglioramenti misurabili nell’assistenza. Offre piuttosto un quadro operativo da sviluppare e valutare. La sua idea di fondo è che dati pubblici già disponibili, se analizzati in modo sistematico e utilizzati dalle organizzazioni di advocacy, possano diventare uno strumento per rendere più visibili i bisogni delle comunità e sollecitare risposte concrete da parte dei sistemi sanitari.

Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato