AFFILIAZIONE
Mediapass-Ergéa Group
AUTORE PRINCIPALE
Ing. Spinosa Sandro
Registrazione obbligatoria. Una valutazione consentita
login avvenuto
GRUPPO DI LAVORO
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
Scopo
L’obiettivo del progetto è definire e applicare un modello strutturato per la selezione, valutazione e implementazione di strumenti di Intelligenza Artificiale supporto della diagnostica radiologica in un contesto multi-centro. Il progetto mira a integrare soluzioni AI nei workflow clinici come supporto decisionale per il radiologo, migliorando efficienza operativa, prioritarizzazione degli esami e qualità percepita del lavoro.
Materiali e Metodi
È stato condotto un assessment preliminare su tre centri clinici per valutare l’opportunità di adottare una piattaforma orchestratrice integrazioni puntuali di singoli algoritmi.
Sono state identificate le modalità di imaging di interesse (radiografia, TC, RM, mammografia) e i relativi distretti anatomici prioritari sulla base di: rischio clinico, complessità diagnostica, disponibilità di soluzioni validate sul mercato e solidità delle evidenze in letteratura.
La selezione dei tool è stata guidata da criteri di performance clinica (sensibilità e specificità), facilità di integrazione nei sistemi esistenti, sostenibilità economica e scalabilità multi-sito.
A seguito della fase di valutazione, sono stati individuati i fornitori e avviato il deployment progressivo delle soluzioni nei tre centri, con particolare attenzione all’integrazione nei workflow clinici e alla fruibilità dei risultati senza alterare le modalità operative consolidate.
Risultati
Il progetto ha portato alla definizione di un modello decisionale strutturato per l’adozione di tecnologie AI in radiologia, basato su criteri clinici, tecnici ed economici.
La fase di implementazione ha evidenziato la fattibilità dell’integrazione nei workflow esistenti e la possibilità di utilizzare i tool come supporto alla refertazione senza introdurre discontinuità operative.
Le prime evidenze qualitative indicano un miglioramento nella gestione delle priorità degli esami e una maggiore accettazione da parte dei radiologi, grazie a un utilizzo non sostitutivo ma complementare dell’AI.
Conclusioni
L’introduzione di strumenti AI in radiologia richiede un approccio strutturato che includa valutazione, governance e integrazione nei processi clinici. L’esperienza multi-centro dimostra che un’implementazione guidata e consapevole consente di sfruttare il potenziale dell’AI come supporto decisionale, migliorando l’organizzazione del lavoro e preparando il contesto a sviluppi futuri su larga scala.
L’obiettivo del progetto è definire e applicare un modello strutturato per la selezione, valutazione e implementazione di strumenti di Intelligenza Artificiale supporto della diagnostica radiologica in un contesto multi-centro. Il progetto mira a integrare soluzioni AI nei workflow clinici come supporto decisionale per il radiologo, migliorando efficienza operativa, prioritarizzazione degli esami e qualità percepita del lavoro.
Materiali e Metodi
È stato condotto un assessment preliminare su tre centri clinici per valutare l’opportunità di adottare una piattaforma orchestratrice integrazioni puntuali di singoli algoritmi.
Sono state identificate le modalità di imaging di interesse (radiografia, TC, RM, mammografia) e i relativi distretti anatomici prioritari sulla base di: rischio clinico, complessità diagnostica, disponibilità di soluzioni validate sul mercato e solidità delle evidenze in letteratura.
La selezione dei tool è stata guidata da criteri di performance clinica (sensibilità e specificità), facilità di integrazione nei sistemi esistenti, sostenibilità economica e scalabilità multi-sito.
A seguito della fase di valutazione, sono stati individuati i fornitori e avviato il deployment progressivo delle soluzioni nei tre centri, con particolare attenzione all’integrazione nei workflow clinici e alla fruibilità dei risultati senza alterare le modalità operative consolidate.
Risultati
Il progetto ha portato alla definizione di un modello decisionale strutturato per l’adozione di tecnologie AI in radiologia, basato su criteri clinici, tecnici ed economici.
La fase di implementazione ha evidenziato la fattibilità dell’integrazione nei workflow esistenti e la possibilità di utilizzare i tool come supporto alla refertazione senza introdurre discontinuità operative.
Le prime evidenze qualitative indicano un miglioramento nella gestione delle priorità degli esami e una maggiore accettazione da parte dei radiologi, grazie a un utilizzo non sostitutivo ma complementare dell’AI.
Conclusioni
L’introduzione di strumenti AI in radiologia richiede un approccio strutturato che includa valutazione, governance e integrazione nei processi clinici. L’esperienza multi-centro dimostra che un’implementazione guidata e consapevole consente di sfruttare il potenziale dell’AI come supporto decisionale, migliorando l’organizzazione del lavoro e preparando il contesto a sviluppi futuri su larga scala.
