Come l’intelligenza artificiale può aiutarci a gestire le emergenze sanitarie

Quando nel 2020 la pandemia di Covid-19 travolse i sistemi sanitari di tutto il mondo, una lezione fu chiara a tutti: non basta reagire, bisogna anticipare. Da questa consapevolezza è nato Trustalert, un progetto dell’Università di Torino che combina Intelligenza artificiale, Big Data e High-Performance Computing per potenziare la capacità di risposta del sistema sanitario di fronte a crisi epidemiologiche. 

Il progetto – finanziato dalla Fondazione Compagnia di San Paolo e dalla Fondazione Cassa Depositi e Prestiti – ha coinvolto i Dipartimenti di Scienze Cliniche e Biologiche e di Informatica di UniTo, la Fondazione Bruno Kessler, la Fondazione Links, l’Asl Cn2 di Alba-Bra, Deda Next Group e l’Ospedale Cottolengo. La piattaforma sviluppata è un esempio di come l’Intelligenza artificiale, se guidata da principi di salute pubblica e scienza aperta, possa diventare un’alleata nel costruire un sistema sanitario più predittivo, partecipato e sostenibile. Ne parliamo con la professoressa Paola Berchialla, docente di Statistica medica e coordinatrice del progetto. 

Professoressa, qual è l’idea alla base di Trustalert?

Durante la pandemia i dati c’erano, ma erano dispersi, provenivano da una molteplicità di fonti e per questo erano difficili da leggere in tempo reale. L’obiettivo di Trustalert è di renderli capaci di avvertirci e di aiutarci a preparare le prossime crisi sanitarie. Una rete di oltre venti professionisti, tra ricercatori, medici, data scientist e dottorandi, ha lavorato per due anni alla costruzione di una piattaforma capace di integrare dati sanitari e flussi informativi globali, per generare segnali di allerta precoce.

Ci spiega meglio come funziona la piattaforma?

Trustalert non si limita a leggere i dati: li interpreta, li collega, li restituisce alla società come strumenti di prevenzione. Il sistema combina più livelli di analisi. Da un lato, modelli di machine learning e deep learning predicono la durata delle degenze ospedaliere e individuano schemi ricorrenti nelle patologie croniche. Dall’altro, un motore di sorveglianza globale – alimentato dal database internazionale Gdelt, che raccoglie in tempo reale notizie da tutto il mondo – analizza milioni di articoli e comunicati per intercettare segnali di possibili crisi sanitarie. Quando emerge un improvviso aumento di casi di influenza in un’area, o un picco di notizie su sintomi insoliti, il sistema è in grado di intercettare l’anomalia. Nel novembre 2023, Trustalert ha anticipato di sette giorni l’allerta ufficiale dell’Oms sull’ondata di polmoniti atipiche in Cina.

Dal monitoraggio siete riusciti a passare alla simulazione. Come?

Un altro pilastro del progetto è l’ambiente integrato sviluppato dal Dipartimento di Informatica dell’Università di Torino e l’Ospedale Cottolengo che ha consentito una collaborazione per la progettazione di una copia digitale dell’ospedale per sperimentare scenari di emergenza. Si è trattato di un lavoro di stima dei flussi di pazienti, valutazione della saturazione dei reparti, test dei protocolli di triage per simulare in anticipo quali strategie funzionano e quali no. Le simulazioni basate su modelli Sir e ad agenti permettono di visualizzare come il contagio di una malattia infettiva si diffonde dentro e fuori l’ospedale, aiutando le direzioni sanitarie a ottimizzare risorse e tempi di intervento.

Perché sostenete che Trustalert non sia solo tecnologia ma anche cultura della condivisione?

Attraverso la piattaforma PHeP (Predictive Healthcare Platform), i modelli di Intelligenza artificiale sviluppati nel progetto vengono messi a disposizione di altre strutture sanitarie in modalità open source. Chiunque da un ospedale locale a un centro di ricerca può caricare i propri dati, scegliere un modello e ottenere previsioni personalizzate, senza dover costruire da zero complessi algoritmi di machine learning. Un secondo strumento, Dataverse, consente invece di condividere dati e risultati, promuovendo la trasparenza scientifica e accelerando la ricerca collaborativa.

Qual è stato l’impatto e quali le prospettive del progetto?

L’impatto di Trustalert è tangibile: oltre 5.800 visitatori del sito web, 9.700 visualizzazioni delle dashboard interattive, e numerose presentazioni a congressi internazionali – dal Joint Statistical Meeting (Portland) all’American Medical Informatics Association (San Francisco). Gli strumenti di previsione e simulazione sviluppati hanno mostrato come un anticipo anche di una sola settimana nell’adozione di misure preventive possa ridurre fino a cinque volte il numero di infezioni in uno scenario pandemico. Il progetto però non si ferma: la piattaforma è oggi al centro di un network che comprende otto Paesi europei, impegnato a sviluppare una rete di esperti sull’uso dell’Ai in sanità pubblica ed è proponente di un progetto europeo che ha come tema centrale l’applicazione dell’Ai nella preparazione e nella risposta alle pandemie. Un segnale forte di come la ricerca universitaria possa tradursi in impatto sociale, sanitario e culturale, nel segno dell’innovazione responsabile.

Giovedì 30 ottobre, alle ore 9, nell’Aula magna Giulio Bizzozero (via Michelangelo Buonarroti 25, Torino) verranno presentati i risultati finali del Progetto AI TrustAlert in un workshop aperto al pubblico