Condotto uno studio retrospettivo su un campione di oltre 17.000 prescrizioni ospedaliere di TAC e Risonanze Magnetiche applicando un innovativo sistema basato su intelligenza artificiale (IA) per valutarne la correttezza. Oltre 4 prescrizioni su 10 per esami di diagnostica avanzata non sono risultate appropriate

Un algoritmo di intelligenza artificiale sviluppato in Puglia per migliorare la gestione delle prescrizioni mediche e l’appropriatezza degli esami diagnostici. Lo sta realizzando l’Aress Puglia e nella prima fase di addestramento, completata di recente, ha effettuato uno studio retrospettivo su un campione di oltre 17.000 prescrizioni ospedaliere provenienti da aziende sanitarie locali e ospedali di Bari, Foggia e Lecce.
Cuore del progetto è un sistema di intelligenza artificiale generativa, basato sul modello LLaMA 3.1, in grado di leggere, interpretare e valutare in tempo reale l’appropriatezza clinica di una prescrizione diagnostica secondo i criteri riconosciuti a livello internazionale. L’algoritmo è stato addestrato per comprendere linguaggio medico naturale e associare ogni esame richiesto al contesto clinico del paziente, confrontandolo con le linee guida più aggiornate.

I risultati ottenuti hanno rilevato che solo il 38,9% delle richieste rispetta pienamente i criteri di appropriatezza, mentre il 43% delle prescrizioni è risultata “generalmente inappropriata”. In una seconda fase, un gruppo di esperti (radiologi e medici clinici) ha validato i risultati dell’algoritmo tramite revisione manuale a campione.

“Il sistema – spiega il direttore generale dell’Aress, Giovanni Migliore – ha dimostrato un elevato livello di affidabilità e precisione, rivelandosi uno strumento molto promettente per nei processi di governo clinico. Oltre a generare inutili esposizioni a radiazioni per i pazienti e allungare le liste d’attesa, le prescrizioni inappropriate rappresentano anche un danno economico per il sistema sanitario”. 
L’uso dell’intelligenza artificiale si è dimostrato estremamente efficace nel classificare rapidamente le prescrizioni e suggerire eventuali alternative più appropriate, in linea con le più recenti linee guida cliniche.

“Il prossimo passo – conclude Migliore – è ampliare lo studio per valutare la replicabilità del modello in contesti sanitari differenti e misurare la variabilità prescrittiva tra territori. L’obiettivo finale è applicarle l’algoritmo direttamente al momento della prescrizione, integrandola nei sistemi informatici clinici (e.g. CUP, software per medici di base e specialisti), offrendo un supporto decisionale immediato al prescrittore”.