L’AI generativa ha il potenziale per trasformare la sanità, ma uno dei suoi prerequisiti più importanti è la disponibilità di grandi quantità di dati di alta qualità. Tra questi, i dati clinici sono fondamentali, ma in Europa restano quasi assenti. Il progetto italiano eCREAM cerca di invertire la situazione, raccogliendo e rendendo utilizzabili milioni di note di pronto soccorso anonimizzate.

Rispetto ad altri settori in cui l’AI genera modelli avanzati, i dati clinici disponibili in forma liberamente accessibile sono estremamente limitati. Per esempio, si può accedere a centinaia di migliaia di pubblicazioni scientifiche attraverso archivi come PubMed. Ciò non avviene per i dati clinici provenienti da cartelle di pazienti, che restano rari e poco utilizzabili in contesto di ricerca e sviluppo.

In Italia, la situazione non è diversa. Il portale dati.gov.it dell’Agenzia per l’Italia Digitale raccoglie migliaia di dataset, ma dati sulle condizioni cliniche, referti od esami non ne sono presenti. Si registrano statistiche sulle strutture ospedaliere o sugli interventi formativi, ma mancano le informazioni necessarie a formare modelli di AI generativa efficaci.

Per quanto riguarda i dati clinici disponibili a livello internazionale, il dataset MIMIC è una fonte importante. Raccoglie i dati di oltre 250.000 pazienti e rappresenta uno standard per modelli di ricerca. Tuttavia, l’Europa fatica a produrre dati open source analoghi, a causa di normative restrittive in merito alla privacy. Proprio per questo, il progetto eCREAM ha preso vita.

Il pronto soccorso rappresenta uno dei luoghi con il più alto tasso di produzione di dati clinici. Un pronto soccorso medio gestisce circa 60.000 accessi l’anno. In ogni accesso vengono registrati dati medici, esiti di esami e una breve descrizione testuale chiamata “nota clinica”. Medie di 10 note per paziente comportano più di 600.000 note annuali per un pronto soccorso, e circa 30 milioni di parole per anno. Questo rappresenta un tesoro inespresso di informazioni.

Un esempio di tali note cliniche potrebbe essere il seguente: “Paziente vigile, a tratti confuso, al momento relativamente tranquillo. Non sintomatologia algica a LUOGO 110/70 mmHg, FC 80 bpm R, SpO2 94% in AA, FR 20 apm, eutermico.” Il linguaggio è sintetico, con termini medici precisi e misurazioni chiare. Si immagina facilmente quante informazioni quantitative e testuali si accumulino in una struttura simile in un lasso di tempo.

Un’ipotesi di utilizzo di tali note è la predizione della decisione di ricovero o dimissione del paziente mediante modelli di AI. Un modello opportunamente addestrato potrebbe confrontare pazienti simili e offrire un supporto decisionale ai medici. Inoltre, potrebbe valutare la qualità e l’efficienza di un pronto soccorso individuando differenze sistematiche di trattamento.

Ovviamente, l’utilizzo di dati clinici non manca di complicazioni. Essi sono soggetti alla normativa GDPR e alle restrizioni sulla privacy. Inoltre, la natura sensibile di tali informazioni rende difficoltoso l’utilizzo in sistemi di cloud computing, che spesso richiedono accesso diretto e veloce ai dati.

Le alternative disponibili (come la gestione locale di modelli AI) presentano limiti tecnologici e infrastrutturali. Tuttavia, il progetto eCREAM punta a superare tali ostacoli, proponendo un accesso anonimizzato ai dati clinici raccolti nei pronto soccorso. Il dataset, una volta disponibile, sarà utilizzabile per sviluppare modelli linguistici di grandi dimensioni e per applicazioni nel campo della ricerca in medicina d’urgenza

Il progetto eCREAM: un iniziativa europea a supporto della ricerca

Il consorzio eCREAM è un progetto europeo finanziato da Horizon Europe, che coinvolge 11 partner provenienti da 8 paesi, tra cui l’Italia. Coordinato dal Laboratorio di Epidemiologia Clinica dell’Istituto di Ricerche Farmacologiche Mario Negri, il progetto ha come scopo principale l’estrazione di dati di qualità adatti alla ricerca direttamente dagli accessi di pronto soccorso.

Obiettivi chiari e numeri rilevanti

Il progetto si propone di raccogliere milioni di note cliniche anonimizzate, provenienti da diversi pronto soccorso europei. L’obiettivo ambizioso è di creare un dataset unico nel suo genere, con potenzialità di utilizzo tanto per la ricerca quanto per il supporto alla gestione clinica e l’addestramento di sistemi avanzati di AI.

La quantità prevista di note cliniche è stimata in decine di milioni, rendendo il dataset un punto di riferimento per lo sviluppo di modelli di AI generativa per la sanità d’urgenza. Il tutto, naturalmente, mantenendo la massima sicurezza e privacy per i pazienti.

Le tecnologie al centro del progetto

Un aspetto fondamentale del progetto eCREAM è l’utilizzo di modelli linguistici avanzati (Large Language Models o LLM). Questi modelli vengono addestrati su grandi quantità di testo per svolgere compiti specifici come l’analisi o la sintesi di informazioni.

I LLM potranno lavorare direttamente sui dati provenienti dai pronto soccorso, permettendo di estrarre informazioni strutturate e predizioni basate sul testo presente nelle note cliniche. Per esempio, tali modelli potranno valutare in tempo reale i possibili esiti di un’accesso al pronto soccorso o confrontare le decisioni cliniche di diversi centri.

Potenzialità e vantaggi

    • Dai modelli AI si potrebbe ottenere una visione comparativa su diverse aree geografiche.
    • La standardizzazione dei dati potrebbe migliorare la qualità delle decisioni cliniche.
    • Le analisi basate su AI potrebbero anticipare esiti clinici e migliorare la prevenzione.
    • Gli strumenti sviluppati potrebbero anche supportare la medicina personalizzata.

Futuro promettente

Il progetto eCREAM rappresenta uno sforzo europeo senza precedenti nel campo delle tecnologie AI applicate alla sanità. L’Italia, con le sue infrastrutture di pronto soccorso e competenze nel settore medico, si pone come un punto di forza del progetto.

Il potenziale di questa iniziativa è enormemente rilevante: da un lato, apre nuove possibilità per la ricerca scientifica; dall’altro, potrebbe fornire nuovi strumenti ai medici e un supporto concreto in situazioni di emergenza.

Sebbene il percorso non sia privo di sfide, il progetto eCREAM dimostra quanto sia importante mettere a sistema dati sanitari in modo responsabile e strumentalizzarli per migliorare l’effic