{"id":7367,"date":"2023-04-21T13:02:43","date_gmt":"2023-04-21T11:02:43","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/ai-a-supporto-della-decisione-clinica-sperimentazione-per-la-definizione-di-un-protocollo-di-acquisizione-dei-dati-biomedici-nella-elettrocardiografia-territoriale\/"},"modified":"2023-04-21T13:02:43","modified_gmt":"2023-04-21T11:02:43","slug":"ai-a-supporto-della-decisione-clinica-sperimentazione-per-la-definizione-di-un-protocollo-di-acquisizione-dei-dati-biomedici-nella-elettrocardiografia-territoriale","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/ai-a-supporto-della-decisione-clinica-sperimentazione-per-la-definizione-di-un-protocollo-di-acquisizione-dei-dati-biomedici-nella-elettrocardiografia-territoriale\/","title":{"rendered":"AI A SUPPORTO DELLA DECISIONE CLINICA: SPERIMENTAZIONE PER LA DEFINIZIONE DI UN PROTOCOLLO DI ACQUISIZIONE DEI DATI BIOMEDICI NELLA ELETTROCARDIOGRAFIA TERRITORIALE"},"content":{"rendered":"
\n
\n

\"\"\"\" <\/p>\n

AFFILIAZIONE<\/span>
\n<\/strong>asst fatebenefratelli sacco<\/p>\n

AUTORE PRINCIPALE<\/span>
\n<\/strong>Ing. Cravero Silvio<\/p>\n

\nVALUTA IL CHALLENGE<\/span><\/strong>[ratingwidget]<\/p>\n<\/div>\n

\n

<\/a><\/p>\n

GRUPPO DI LAVORO<\/span><\/strong>
\nIng. Cravero Silvio<\/strong> – asst fatebenefratelli sacco, milano<\/i>
Ing. Ignoranza Ida<\/strong> – politecnico di milano, milano<\/i>
Ing. Campo Matteo<\/strong> – politecnico di milano, milano<\/i> <\/p>\n

AREA TEMATICA<\/span>
\n<\/strong>Applicazioni di intelligenza artificiale in sanit\u00e0<\/p>\n

ABSTRACT<\/span>
\n<\/strong>L\u2019applicazione dell\u2019intelligenza artificiale (Artificial Intelligence-AI) e degli algoritmi di Machine Learning (ML), oggigiorno hanno dimostrato la capacit\u00e0 di poter influenzare qualsiasi aspetto legato alla cura del paziente e la cardiologia non fa eccezione a questa tendenza.
\nLa selezione dei dati clinici \u00e8 essenziale per la modellazione predittiva e per l\u2019apprendimento automatico – attraverso l\u2019implementazione dell\u2019AI e ML.
\nLa promessa dell\u2019AI e del ML \u00e8 quella di fornire una serie di strumenti a supporto del cardiologo per l\u2019efficacia nel trattamento dei suoi pazienti. Allo stesso tempo risultano essere delle soluzioni adeguate a smorzare le crescenti pressioni in ambito medicale, ove viene richiesta maggiore produttivit\u00e0 operativa da parte dei medici e dei sistemi sanitari.
\nSi propone la realizzazione di un workflow-protocollo che sia di supporto ai clinici nel processo di decision-making e che consenta di realizzare per ogni paziente un percorso di cura pi\u00f9 rapido e personalizzato.
\nA tal proposito, l\u2019ASST Fatebenefratelli-Sacco ha implementato un servizio di telecardiologia incentrato sull\u2019attivit\u00e0 di informatizzazione e refertazione dell\u2019elettrocardiografia ECG.
\nAttualmente, tale sistema \u00e8 attivo a livello ospedaliero oltre che per la parte di consulenza esterna e nel breve periodo sar\u00e0 implementato alle varie Afferenze Territoriali.
\nIl workflow ha quindi origine dalla raccolta dei dati clinici ottenuti attraverso il servizio di telerefertazione oltre che dal recupero dei dati sanitari dalle apparecchiature biomediche.
\nGrazie all\u2019utilizzo del\u2019 AI e del ML, l\u2019elaborazione di tali dati potrebbero permettere ai clinici di ottenere uno strumento di supporto al decision-making process. Infatti, attraverso l\u2019impiego di tale protocollo, i clinici per ogni singolo paziente (sulla base dei dati clinici raccolti) otterrebbero una prima diagnosti supportata dall\u2019applicazione degli algoritmi di ML applicata su vari brand multivendor di apparecchiature biomediche.
\nL\u2019analisi di tali dati infine permetterebbe ai clinici di ottenere dei suggerimenti riguardo il percorso di cura pi\u00f9 indicato (Patient-Centered Model Implementation) rispetto le linee guide di riferimento.<\/p>\n

 <\/p>\n