AFFILIAZIONE
Medtech Projects Srl
AUTORE PRINCIPALE
Dott. Ferrazzutti Matteo
Registrazione obbligatoria. Una valutazione consentita
login avvenuto
GRUPPO DI LAVORO
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
Le istruzioni per l’uso elettroniche (eIFU) dei dispositivi medici assumono un ruolo sempre più rilevante nel contesto clinico e regolatorio europeo, ma la loro consultazione risulta spesso complessa a causa dell’elevato numero di dispositivi medici a disposizione del personale sanitario, dell’eterogeneità dei layout, della lunghezza dei documenti e della difficoltà nel reperire rapidamente le informazioni pertinenti. In questo contesto, il presente lavoro presenta un sistema basato su intelligenza artificiale realizzato per ottimizzare la consultazione delle eIFU all’interno delle strutture sanitarie, restituendo risposte coerenti, tracciabili e fondate esclusivamente sui contenuti presenti nei documenti originali.
L’approccio adottato si colloca nell’ambito dei sistemi RAG, privilegiando una strategia ispirata al paradigma del vectorless RAG. La metodologia sviluppata prevede una pipeline che parte dal caricamento di eIFU riferibili a dispositivi differenti per tipologia, destinazione d’uso, struttura e lunghezza. I documenti vengono poi riformattati mediante conversione da PDF a Markdown mediante DeepSeek-OCR 2 e successivamente convertiti in strutture gerarchiche ad albero tramite PageIndex. Su tale base è stato realizzato un sistema multiagente, in grado di selezionare il documento corretto e individuare i nodi più rilevanti per rispondere alla query dell’utente, restituendo una risposta corredata da fonti esplicite e citazioni testuali. È stato inoltre sviluppato un chatbot per rendere più comprensibile e fruibile l’interazione con il sistema, simulando l’esperienza d’uso quotidiana.
La valutazione, condotta mediante benchmark preliminari, ha mostrato risultati complessivamente molto positivi. Il sistema proposto ha fornito risposte soddisfacenti anche in scenari complessi, con elevata tracciabilità delle fonti, corretta gestione delle tabelle e riferimento alle immagini, raggiungendo un’accuratezza del 96% in fase di retrieval e risposta. Ulteriori sviluppi in fase di implementazione riguardano il miglioramento delle tempistiche di risposta, la visualizzazione diretta delle immagini e la definizione di metriche valutative più rigorose. Nel complesso, il lavoro dimostra la fattibilità concreta dell’impiego dell’intelligenza artificiale per ottimizzare la consultazione delle eIFU, aprendo prospettive applicative sia nella pratica clinica quotidiana sia nella possibile formazione del personale sanitario sfruttando le informazioni presenti nelle eIFU.
L’approccio adottato si colloca nell’ambito dei sistemi RAG, privilegiando una strategia ispirata al paradigma del vectorless RAG. La metodologia sviluppata prevede una pipeline che parte dal caricamento di eIFU riferibili a dispositivi differenti per tipologia, destinazione d’uso, struttura e lunghezza. I documenti vengono poi riformattati mediante conversione da PDF a Markdown mediante DeepSeek-OCR 2 e successivamente convertiti in strutture gerarchiche ad albero tramite PageIndex. Su tale base è stato realizzato un sistema multiagente, in grado di selezionare il documento corretto e individuare i nodi più rilevanti per rispondere alla query dell’utente, restituendo una risposta corredata da fonti esplicite e citazioni testuali. È stato inoltre sviluppato un chatbot per rendere più comprensibile e fruibile l’interazione con il sistema, simulando l’esperienza d’uso quotidiana.
La valutazione, condotta mediante benchmark preliminari, ha mostrato risultati complessivamente molto positivi. Il sistema proposto ha fornito risposte soddisfacenti anche in scenari complessi, con elevata tracciabilità delle fonti, corretta gestione delle tabelle e riferimento alle immagini, raggiungendo un’accuratezza del 96% in fase di retrieval e risposta. Ulteriori sviluppi in fase di implementazione riguardano il miglioramento delle tempistiche di risposta, la visualizzazione diretta delle immagini e la definizione di metriche valutative più rigorose. Nel complesso, il lavoro dimostra la fattibilità concreta dell’impiego dell’intelligenza artificiale per ottimizzare la consultazione delle eIFU, aprendo prospettive applicative sia nella pratica clinica quotidiana sia nella possibile formazione del personale sanitario sfruttando le informazioni presenti nelle eIFU.
