Bridging the Gap between Expert Vision and Hospital Practice: A Risk-governed Framework for AI Adoption in Medical Quality Assessment and Hospital Accreditation

Gli ospedali sono luoghi complessi dove la qualità dell'assistenza viene costantemente misurata per garantire che i pazienti siano al sicuro e trattati bene. Per mantenere standard elevati, molti paesi utilizzano un sistema chiamato accreditamento ospedaliero. Pensate a questo come a un rigoroso controllo esterno in cui squadre di esperti visitano un ospedale per verificare se segue regole ferree, dalla gestione delle cartelle cliniche alla prevenzione delle infezioni. Affinché queste ispezioni siano eque e coerenti, i dati alla base di esse devono essere accurati e facili da comprendere. Oggi, un nuovo strumento sta entrando in questo campo: l'intelligenza artificiale. Questa tecnologia può elaborare enormi quantità di informazioni rapidamente, individuando schemi che gli esseri umani potrebbero perdere e aiutando ad automatizzare compiti noiosi come il controllo dei documenti. La speranza è che questi strumenti possano rendere le ispezioni ospedaliere più veloci, più oggettive e meno soggette all'errore umano. Tuttavia, il fatto che esista uno strumento potente non significa che sia pronto per essere utilizzato ovunque. Esiste spesso un ampio divario tra ciò che gli esperti immaginano sia possibile e ciò che gli ospedali possono effettivamente fare nelle loro operazioni quotidiane.

Uno studio recente si è posto l'obiettivo di misurare esattamente quanto sia ampio questo divario e di trovare un modo sicuro per colmarlo. I ricercatori, lavorando con esperti nella gestione ospedaliera e nell'accreditamento, volevano comprendere il disconnesso tra la visione tecnologica avanzata del futuro e l'attuale realtà sul campo. Hanno condotto due sondaggi separati per ottenere un quadro completo. Per prima cosa, hanno chiesto a un gruppo di ventisette esperti senior, tra cui ispettori esperti e ricercatori di politiche, cosa dovrebbero essere in grado di fare l'intelligenza artificiale nel prossimo futuro. Successivamente, hanno intervistato cinquantacinque ospedali in Cina per vedere cosa queste istituzioni stiano effettivamente utilizzando in questo momento. L'obiettivo non era solo elencare le differenze, ma identificare gli ostacoli specifici che bloccano il progresso e progettare un piano pratico per procedere senza causare danni.

I risultati hanno rivelato una divisione sorprendente tra ciò che è immaginato e ciò che sta accadendo. Gli esperti erano entusiasti delle capacità avanzate. Hanno classificato la capacità dell'intelligenza artificiale di interpretare regole di accreditamento complesse e di revisionare automaticamente i documenti di certificazione come altamente importante, dando a questi compiti la massima priorità. Vedevano un futuro in cui la tecnologia potesse agire come un assistente intelligente, comprendendo istantaneamente le sfumature degli standard medici. Eppure, quando i ricercatori hanno osservato ciò che gli ospedali stavano effettivamente facendo, il quadro era molto più semplice. La maggior parte degli ospedali utilizzava l'intelligenza artificiale solo per compiti basilari, come il monitoraggio di numeri qualitativi semplici o l'invio di avvisi quando veniva rilevato un rischio. Le funzioni avanzate desiderate dagli esperti non venivano quasi mai utilizzate; meno del sette per cento degli ospedali le aveva adottate. Gli ospedali non stavano fallendo perché mancavano di ambizione, ma perché erano bloccati alla linea di partenza.

Lo studio ha identificato le ragioni specifiche per cui esiste questo divario. L'ostacolo più significativo non era la mancanza di desiderio, ma la mancanza di connessione tra diversi sistemi informatici. Gli ospedali hanno riferito che i loro dati erano frammentati, il che significa che le informazioni erano intrappolate in silos separati che non potevano comunicare tra loro. Senza un modo unificato per consentire a questi sistemi di condividere le informazioni, gli strumenti avanzati di intelligenza artificiale non potevano funzionare. La complessità tecnica era un'altra barriera importante, con molti ospedali che trovavano i sistemi troppo difficili da gestire. Inoltre, c'era una preoccupazione condivisa riguardo alla fiducia. Sia gli esperti che i dirigenti ospedalieri temevano le stesse cose: la sicurezza dei dati dei pazienti, la possibilità che gli algoritmi informatici potessero essere distorti o ingiusti e la confusione su chi sarebbe stato responsabile in caso di errore della macchina. Queste non erano preoccupazioni minori; erano preoccupazioni fondamentali che dovevano essere affrontate prima che qualsiasi nuova tecnologia potesse essere affidata.

Nonostante il divario nell'uso attuale, gli esperti e i dirigenti ospedalieri hanno trovato un terreno comune su come procedere. Erano concordi sul fatto che la strada verso il successo dovesse essere lenta, attenta e governata da regole rigide. I ricercatori hanno proposto un quadro strutturato passo dopo passo che inizia con le fondamenta prima di costruire la casa. Il primo passo è sistemare lo strato dei dati creando modi standard affinché i diversi sistemi informatici possano condividere le informazioni. Una volta che i dati fluiscono regolarmente, il passo successivo è garantire che la tecnologia stessa sia trasparente e sicura, in modo che le persone possano capire come funziona e avere fiducia che sia sicura. Solo dopo che queste fondamenta saranno solide, gli ospedali dovrebbero iniziare a testare applicazioni specifiche in ambienti controllati. Infine, la tecnologia può essere integrata nel processo di accreditamento stesso, ma non come sostituto degli esperti umani. Invece, il modello suggerisce un approccio da "copilota", in cui l'intelligenza artificiale svolge lo screening iniziale e la preparazione, e un esperto umano compie il giudizio finale.

Questo approccio sottolinea che la soluzione non consiste solo nell'acquistare nuovi software, ma nel cambiare il modo in cui le organizzazioni lavorano. Lo studio suggerisce che cercare di saltare direttamente all'intelligenza artificiale avanzata senza risolvere i problemi sottostanti relativi ai dati e alla governance porterà probabilmente al fallimento. Seguendo un percorso strutturato che dia priorità agli standard dei dati, alla trasparenza algoritmica e alla sicurezza etica, gli ospedali possono adottare gradualmente questi strumenti. I ricercatori hanno concluso che questo quadro basato sulla gestione del rischio offre una tabella di marcia realistica. Permette al sistema sanitario di sfruttare la potenza dell'intelligenza artificiale per rendere le valutazioni della qualità più efficienti e oggettive, garantendo al contempo che la sicurezza del paziente e la supervisione umana rimangano al centro del processo. La visione di un futuro completamente automatizzato è ancora lontana, ma questo studio fornisce una guida chiara e pratica per compiere i primi passi sicuri verso di essa.