AFFILIAZIONE
ASST Valle Olona
AUTORE PRINCIPALE
Ing. Tricoli Miriana
Registrazione obbligatoria. Una valutazione consentita
login avvenuto
GRUPPO DI LAVORO
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
L’aumento della domanda di prestazioni radiologiche, associato alla necessità di garantire elevati standard qualitativi, sicurezza e sostenibilità organizzativa, richiede l’adozione di soluzioni innovative per migliorare efficienza, produttività e continuità operativa. In questo contesto, l’intelligenza artificiale (IA) rappresenta un fattore abilitante strategico per l’ottimizzazione dei processi. Presso ASST Valle Olona sono state implementate soluzioni di IA in TC e RM con due principali ambiti applicativi: manutenzione predittiva e riduzione dei tempi di acquisizione.
La manutenzione predittiva si basa su sistemi software che monitorano in continuo i parametri di funzionamento delle apparecchiature, acquisendo dati tecnici ed elaborandoli tramite algoritmi avanzati. L’utilizzo di modelli digitali consente di identificare anomalie e prevedere guasti prima che si manifestino, attivando interventi programmati senza impatto sull’attività clinica. Questo approccio permette di ridurre i fermi macchina, aumentare l’uptime, migliorare la sicurezza e ottimizzare la pianificazione delle attività diagnostiche .
Parallelamente, l’introduzione di algoritmi di deep learning per la ricostruzione delle immagini ha consentito una significativa riduzione dei tempi di acquisizione e post-processing. Il miglioramento della velocità di ricostruzione e della qualità dell’immagine permette di eseguire esami più rapidi mantenendo elevati standard diagnostici, con incremento della produttività, riduzione dei tempi di permanenza del paziente in sala e maggiore sostenibilità dei carichi di lavoro .
L’integrazione di queste tecnologie ha generato benefici sia clinici che organizzativi, migliorando la continuità del servizio, l’efficienza dei flussi, la gestione delle risorse e la programmazione delle attività. L’esperienza evidenzia come l’IA rappresenti un elemento chiave per l’evoluzione dei servizi di radiologia verso modelli più sostenibili, resilienti, data-driven e orientati al valore.
La manutenzione predittiva si basa su sistemi software che monitorano in continuo i parametri di funzionamento delle apparecchiature, acquisendo dati tecnici ed elaborandoli tramite algoritmi avanzati. L’utilizzo di modelli digitali consente di identificare anomalie e prevedere guasti prima che si manifestino, attivando interventi programmati senza impatto sull’attività clinica. Questo approccio permette di ridurre i fermi macchina, aumentare l’uptime, migliorare la sicurezza e ottimizzare la pianificazione delle attività diagnostiche .
Parallelamente, l’introduzione di algoritmi di deep learning per la ricostruzione delle immagini ha consentito una significativa riduzione dei tempi di acquisizione e post-processing. Il miglioramento della velocità di ricostruzione e della qualità dell’immagine permette di eseguire esami più rapidi mantenendo elevati standard diagnostici, con incremento della produttività, riduzione dei tempi di permanenza del paziente in sala e maggiore sostenibilità dei carichi di lavoro .
L’integrazione di queste tecnologie ha generato benefici sia clinici che organizzativi, migliorando la continuità del servizio, l’efficienza dei flussi, la gestione delle risorse e la programmazione delle attività. L’esperienza evidenzia come l’IA rappresenti un elemento chiave per l’evoluzione dei servizi di radiologia verso modelli più sostenibili, resilienti, data-driven e orientati al valore.
