{"id":13861,"date":"2025-05-22T10:32:43","date_gmt":"2025-05-22T08:32:43","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/sistemi-di-llm-per-semplificare-lanalisi-dei-dati-relativi-ai-tempi-di-attesaun-approccio-data-driven-mediato-dallai-nella-gestione-delle-prestazioni-specialistiche-in-campania\/"},"modified":"2025-06-04T14:23:33","modified_gmt":"2025-06-04T12:23:33","slug":"sistemi-di-llm-per-semplificare-lanalisi-dei-dati-relativi-ai-tempi-di-attesaun-approccio-data-driven-mediato-dallai-nella-gestione-delle-prestazioni-specialistiche-in-campania","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/sistemi-di-llm-per-semplificare-lanalisi-dei-dati-relativi-ai-tempi-di-attesaun-approccio-data-driven-mediato-dallai-nella-gestione-delle-prestazioni-specialistiche-in-campania\/","title":{"rendered":"SISTEMI DI LLM PER SEMPLIFICARE L\u2019ANALISI DEI DATI RELATIVI AI TEMPI DI ATTESA\nUN APPROCCIO DATA-DRIVEN MEDIATO DALL\u2019AI NELLA GESTIONE DELLE PRESTAZIONI SPECIALISTICHE IN CAMPANIA"},"content":{"rendered":"
\n
\n

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

AFFILIAZIONE<\/span><\/strong><\/p>\n

francesco amato<\/p>\n


\nAUTORE PRINCIPALE<\/span><\/strong><\/p>\n

Ing (phd) Amato Francesco<\/p>\n

VALUTA IL CHALLENGE
\n<\/span><\/strong><\/p>\n

Registrazione obbligatoria. Una valutazione consentita<\/em><\/div>\n
\t\t
\n\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogin<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tRegistrazione<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

login avvenuto<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogout<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<\/div>\n
[ratingwidget]<\/div>\n<\/div>\n
\n

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

GRUPPO DI LAVORO<\/span><\/strong><\/p>\n

Ing (phd) Amato Francesco<\/strong> francesco amato
\nProf Pepino Alessandro<\/strong> alessandro pepino<\/p><\/div>\n

AREA TEMATICA<\/span><\/strong><\/p>\n

Applicazioni di intelligenza artificiale in sanit\u00e0<\/div>\n

ABSTRACT<\/span><\/strong><\/p>\n

Il problema delle liste d\u2019attesa per le prestazioni specialistiche rappresenta una delle principali criticit\u00e0 dei sistemi sanitari regionali, con un impatto rilevante sulla salute dei cittadini e sull\u2019efficienza del sistema stesso. In Campania, come in molte altre regioni italiane, i tempi di attesa risultano spesso superiori agli standard nazionali, con significative disomogeneit\u00e0 territoriali e ricadute importanti in termini di ritardi diagnostici, sovraccarico dei pronto soccorso e mobilit\u00e0 sanitaria passiva.
\nQuesto lavoro propone un approccio data-driven per consentire alle direzioni sanitarie di interrogare in modo strutturato ed efficace le basi di dati relativi alle liste d\u2019attesa, L\u2019analisi dei dati consente di ricostruire il reale rapporto domanda\/offerta dei servizi sanitari e, soprattutto, di sviluppare modelli predittivi in grado di anticipare i picchi di richiesta, ottimizzare la distribuzione delle risorse e migliorare la gestione delle prenotazioni. L\u2019utilizzo di tecniche di machine learning, modelli ARIMA e reti neurali permette di prevedere l\u2019andamento delle richieste per singola prestazione e periodo dell\u2019anno, riducendo i colli di bottiglia e prevenendo inefficienze organizzative.
\nIn particolare l\u2019esame di tutte le prescrizioni effettuate e del loro percorso di prenotazione ed erogazione consente anche di adattare l\u2019offerta pubblica e privata, \u2018comprando\u2019 le prestazioni non pi\u00f9 a budget ma a qualit\u00e0 e quantit\u00e0 delle singole prestazioni richieste dalla popolazione.
\nParticolare attenzione \u00e8 riservata all\u2019architettura di un sistema basato su agenti che dialogano fra loro in grado di interrogare direttamente i database sanitari e restituire agli utenti risposte personalizzate e azionabili.
\nIl sistema ideato \u00e8 formato da due Agent distinti, un LLM che acquisisce le richieste delle direzioni sanitarie in linguaggio naturale ed un Agent, interno ai sistemi informativi aziendali, che si occupa di effettuare le query sui database e riportare i risultati al LLM che risponde in linguaggio naturale agli interlocutori che, da non tecnici, otterrebbero le risposte necessarie a migliorare la gestione.
\nL\u2019esperienza maturata su dati reali della ASL Napoli 1 dimostra come l\u2019integrazione tra analisi predittiva, ottimizzazione delle agende e soluzioni AI consentirebbe di ridurre significativamente i tempi di attesa, migliorare l\u2019accessibilit\u00e0 ai servizi e rendere pi\u00f9 efficiente l\u2019intero sistema sanitario territoriale.<\/div>\n

 <\/p>\n

\n\n