Un gruppo di ricercatori dell’University College Hospital di Londra ha sviluppato un particolare algoritmo che prevede quali sono quei pazienti che hanno più probabilità di perdere un appartamento per una visita medica.
L’algoritmo è stato realizzato con i dati relativi a 22.318 visite mediche per scansioni di risonanza magnetica. Questi dati contenevano varie informazioni come il numero di appuntamenti precedenti, la distanza dell’abitazione del paziente dall’ospedale, l’ora del giorno, eccetera.
Anche se al momento non è perfetto e commette degli errori, le sue indicazioni si rivelano già utili per chi gestisce le visite mediche in quanto può contribuire a ridurre i tempi di attesa degli stessi pazienti e in generale le somme di denaro stanziate per le visite.
Secondo Parashkev Nachev, neurologo che ha sviluppato insieme ai colleghi l’algoritmo, un sistema del genere,se funzionasse a pieno ritmo e con un limite di errori accettabile, potrebbe far risparmiare fino a 2-3 sterline per ogni visita mancata. Considerando che un ospedale grande può effettuare fino ad un milione di visite mediche all’anno, si tratterebbe di un risparmio notevole (nell’abstract si parla di uno spreco di risorse fino ad un miliardo di sterline all’anno solo per quanto riguarda il Servizio Sanitario Nazionale del Regno Unito).
In ogni caso l’algoritmo può al momento già essere utile soprattutto per quei pazienti etichettati dallo stesso software come più “inaffidabili”: questi ultimi potrebbero essere avvisati telefonicamente prima della visita onde concordare con maggior dettaglio e con più sicurezza l’appuntamento affinché poi il paziente stesso non risulti assente.
L’algoritmo è stato realizzato grazie ad un processo di machine learning e si innesta in tutti quei tentativi che molti laboratori informatici in tutto il mondo stanno facendo per coniugare l’intelligenza artificiale, che sta facendo passi da gigante, in ambito medico.
Fonti e approfondimenti
- Predicting scheduled hospital attendance with artificial intelligence | npj Digital Medicine (IA) (DOI: 10.1038/s41746-019-0103-3)