it gb
it gb

L. Piovesan - L. Anselma - Tecniche di Intelligenza Artificiale per il supporto all'esecuzione di linee guida mediche e per il trattamento di pazienti non standard

Le linee guida mediche sono documenti che hanno l'obiettivo di guidare le decisioni ed i criteri relativi alla diagnosi, alla gestione e al trattamento di specifiche situazioni sanitarie. Esse rappresentano uno dei principali strumenti messi a disposizione di medici e personale sanitario dalla Medicina Basata sull'Evidenza.

L'uso di linee guida favorisce la standardizzazione e l'ottimizzazione dei processi medici. Migliaia di linee guida mediche sono state sviluppate dai maggiori enti di sanità nel corso degli anni.
Tuttavia, la loro applicazione nella pratica medica risulta spesso complicata. Infatti, spesso le linee guida risultano di difficile consultazione per l'operatore clinico a causa dell'elevata quantità di informazioni che racchiudono, della quale solo una piccola parte è rilevanteper il paziente specifico. Per questa ragione, negli ultimi 20 anni la comunità informatica si è dedicata allo sviluppo di framework che rendano più facilmente fruibile la conoscenza contenuta nelle linee
guida e supportino i medici nell'esecuzione delle stesse su pazienti specifici.

Da questo lavoro sono nate le Computer-Interpretable Clinical Guidelines (CIG). Tante sono le sfide da affrontare per gestire una versione computerizzata di linee guida, che spaziano da problemi di rappresentazione della conoscenza (le CIG sono spesso rappresentate come workflow, ma i formalismi classici non sono sufficienti), a problemi di interazione uomo-macchina (per permettere un'interazione naturale tra il sistema e l'utente medico), a problemi di supporto alle decisioni.

Tali sfide spesso portano alla definizione di tecniche innovative, che possono poi essere generalizzate e rappresentare innovazioni anche per l'intera comunità di Intelligenza Artificiale. Uno dei framework dedicati alla gestione di CIG è GLARE, nato dalla collaborazione tra Università del Piemonte Orientale, Ospedale Molinette e Università di Torino a partire dal 1997.

GLARE supporta i medici nell'acquisizione e rappresentazione di CIG tramite un formalismo semplice e user-friendly, e, interfacciandosi con i database clinici, nella loro esecuzione su pazienti specifici. In più nel corso degli anni, GLARE è stato esteso con tecniche di intelligenza artificiale quali supporto a contestualizzazione basata su risorse, ragionamento temporale, supporto alle decisioni basato sulla decision theory, e alla verifica basata su modelli. GLARE e gli altri framework per la gestione di CIG, come le linee guida stesse dalle quali derivano, sono stati principalmente sviluppati per il trattamento di pazienti

che rappresentano casi "standard" pazienti, cioè che non presentano comorbidità (presenza di due o più patologie) o eccezioni, se non quelle statisticamente più rilevanti. Negli ultimi anni, tuttavia, molta importanza è stata riservata al trattamento di pazienti "non standard" che rappresentano sempre più una quantità rilevante tra tutti quelli gestiti dai servizi sanitari (si consideri, ad esempio, che i pazienti affetti da comorbidità sono circa il 25% del totale).

La gestione di tali pazienti è infatti stata definita come una delle "grandi sfide" per l'informatica medica. Proprio per l'importanza che ricoprono, negli ultimi anni GLARE è stato esteso per fornire supporto anche al trattamento di pazienti non standard.

La presentazione sarà divisa in 2 parti: la prima parte introdurrà il contesto delle linee guida computerizzate e di GLARE, la seconda parte si focalizzerà maggiormente sulle estensioni per il trattamento di comorbidità ed eccezioni.