SISTEMI DI LLM PER SEMPLIFICARE L’ANALISI DEI DATI RELATIVI AI TEMPI DI ATTESA UN APPROCCIO DATA-DRIVEN MEDIATO DALL’AI NELLA GESTIONE DELLE PRESTAZIONI SPECIALISTICHE IN CAMPANIA

Il problema delle liste d’attesa per le prestazioni specialistiche rappresenta una delle principali criticità dei sistemi sanitari regionali, con un impatto rilevante sulla salute dei cittadini e sull’efficienza del sistema stesso. In Campania, come in molte altre regioni italiane, i tempi di attesa risultano spesso superiori agli standard nazionali, con significative disomogeneità territoriali e ricadute importanti in termini di ritardi diagnostici, sovraccarico dei pronto soccorso e mobilità sanitaria passiva.
Questo 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’attesa, L’analisi 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’utilizzo di tecniche di machine learning, modelli ARIMA e reti neurali permette di prevedere l’andamento delle richieste per singola prestazione e periodo dell’anno, riducendo i colli di bottiglia e prevenendo inefficienze organizzative.
In particolare l’esame di tutte le prescrizioni effettuate e del loro percorso di prenotazione ed erogazione consente anche di adattare l’offerta pubblica e privata, ‘comprando’ le prestazioni non più a budget ma a qualità e quantità delle singole prestazioni richieste dalla popolazione.
Particolare attenzione è riservata all’architettura 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.
Il sistema ideato è 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.
L’esperienza maturata su dati reali della ASL Napoli 1 dimostra come l’integrazione tra analisi predittiva, ottimizzazione delle agende e soluzioni AI consentirebbe di ridurre significativamente i tempi di attesa, migliorare l’accessibilità ai servizi e rendere più efficiente l’intero sistema sanitario territoriale.