Infrastrutture e data-governance in sanità: la trasformazione silenziosa in corso

Dati che generano valore

Tuttavia, la vera questione non riguarda soltanto la raccolta o la consultazione delle informazioni. Il punto centrale è capire come il dato generi valore. Nel dibattito pubblico esiste spesso una sovrapposizione implicita tra disponibilità del dato e capacità di trasformazione del sistema. Ma non è così. La disponibilità del dato rappresenta soltanto il primo passaggio di una catena molto più complessa. Possiamo immaginare questa evoluzione come una vera e propria scala del valore del dato.

Alla base troviamo la raccolta: integrazione dei sistemi sorgente, standardizzazione delle codifiche, interoperabilità e alimentazione delle piattaforme comuni. È il livello sul quale il sistema sanitario italiano sta investendo oggi con maggiore intensità. Il secondo livello è la visualizzazione. Rendere i dati consultabili da cittadini, professionisti e istituzioni rappresenta già un passaggio fondamentale: profilo sanitario sintetico, dossier farmaceutico, accesso ai referti, dashboard di monitoraggio e integrazione delle informazioni cliniche provenienti da strutture diverse. Ma raccolta e visualizzazione, da sole, non bastano. Il vero salto di qualità avviene quando il sistema è in grado di analizzare i dati. È qui che il dato acquisisce significato. Non come informazione isolata, ma come elemento che, combinato con altri dati, consente di generare informazioni, identificare pattern, costruire previsioni, anticipare rischi e supportare decisioni. Pensiamo alla possibilità di stimare il rischio di riospedalizzazione, individuare precocemente cronicità non diagnosticate o prevedere l’evoluzione delle liste d’attesa e dell’affluenza nei pronto soccorso. Qui il dato non è più soltanto documentazione. Diventa conoscenza operativa. Ma il livello più evoluto è quello che ne fa scaturire un’azione.

Il ruolo di AI e GenAI

È il momento in cui il sistema non si limita più a rappresentare o interpretare la realtà, ma interviene direttamente sui processi: orchestra dimissioni, rialloca risorse, coordina posti letto, aggiorna percorsi di cura, riprogramma attività operatorie o attiva notifiche automatiche. È proprio a questo livello che AI e GenAI trovano il loro spazio più trasformativo. Il dibattito pubblico sull’intelligenza artificiale in sanità tende spesso a concentrarsi sugli strumenti: algoritmi diagnostici, chatbot, supporto clinico, automazione documentale. Ma il vero nodo strategico non è la singola applicazione tecnologica. AI e GenAI funzionano soltanto se poggiano su un ecosistema del dato maturo, interoperabile e governato. Senza qualità del dato, senza standard condivisi, senza modelli comuni e senza processi organizzativi coerenti, l’intelligenza artificiale rischia di produrre automazione fragile e scarsamente scalabile.

Sistemi predittivi

Le esperienze internazionali mostrano con chiarezza questo punto. Negli Stati Uniti Kaiser Permanente utilizza sistemi predittivi per identificare pazienti a rischio di deterioramento clinico fino a dodici ore prima del peggioramento. Nel Regno Unito il NHS ha sviluppato una Federated Data Platform capace di coordinare liste d’attesa, sale operatorie, posti letto e dimissioni attraverso una piattaforma comune. Ma ciò che colpisce non è soltanto l’utilizzo di tecnologie avanzate. È il fatto che questi sistemi siano costruiti intorno a un modello organizzativo condiviso. Nel caso inglese, il vero elemento strategico è il NHS Canonical Data Model: una definizione comune degli oggetti operativi del sistema sanitario – paziente, ricovero, lista d’attesa, seduta operatoria, posto letto – e delle relazioni che li collegano. È questo che consente alla piattaforma di agire sui processi in modo coordinato. Quando viene cancellata una sala operatoria, il sistema non si limita a registrare un evento. Riordina automaticamente i pazienti per priorità clinica e tempi garantiti, propone nuove allocazioni, aggiorna liste d’attesa, notifica operatori e cittadini e sincronizza sistemi diversi. Lo stesso avviene nella pianificazione delle dimissioni: il sistema coordina automaticamente famiglia, medicina generale, trasporti, RSA e disponibilità di posti letto.

Qui il dato non serve soltanto a “vedere”. Serve a produrre azioni. Ed è proprio questo il punto cruciale per il sistema italiano.