La scarsa aderenza alle terapie rappresenta ogni anno un costo di circa due miliardi di euro per il Servizio Sanitario Nazionale. Intervenire sulle cause che portano i pazienti a interrompere o modificare autonomamente le cure può ridurre significativamente questa spesa. In questo contesto si inserisce la Causal AI, una forma di intelligenza artificiale in grado di modellare le relazioni di causa-effetto, al centro del nuovo Instant Paper pubblicato dal centro di innovazione digitale Cefriel.
Comprendere le cause dell’insuccesso terapeutico
Secondo il paper “Intelligenza Artificiale e salute: Causal AI e assistenti virtuali nelle terapie complesse”, curato da Gianluca Ripa, AI & Data Analytics Business Line Manager di Cefriel, anche un farmaco efficace può risultare inefficace se l’orario di assunzione non coincide con le abitudini del paziente o se gli effetti collaterali vengono sottovalutati. La Causal AI consente di andare oltre l’analisi dei dati, individuando le relazioni di causa-effetto che determinano la mancata aderenza e supportando decisioni cliniche più mirate.
Secondo stime dell’Agenzia Italiana del Farmaco (AIFA), un miglioramento anche solo del 15% dell’aderenza potrebbe generare un risparmio di 300 milioni di euro, oltre a benefici sociali significativi.
«La Causal AI fornisce l’infrastruttura cognitiva per rappresentare in modo matematico e comprensibile la complessa rete di cause ed effetti che influenzano l’aderenza e l’esito di una terapia» – spiega Ripa. «Non si tratta di sostituire il medico, ma di dotare l’intero sistema di cura di uno strumento di ragionamento condiviso, trasparente e orientato alle cause reali dei problemi».
Un assistente virtuale per terapie personalizzate
Il paper presenta un caso studio di un assistente virtuale sanitario basato su Causal AI, progettato per pazienti con regimi terapeutici complessi. L’assistente integra dati clinici, comportamentali, sociali e psicologici per costruire un profilo personalizzato del paziente e simulare scenari ipotetici (“what-if”) per valutare l’impatto di possibili interventi.
In questo modo è possibile individuare la causa primaria di un problema di aderenza, ad esempio un effetto collaterale o una routine incompatibile con gli orari di assunzione, e proporre soluzioni coerenti con le abitudini del paziente. Le raccomandazioni generate sono trasparenti e comprensibili sia ai medici sia ai pazienti.
Un elemento innovativo introdotto nel paper è il concetto di “gemello digitale causale” del paziente, un modello virtuale personalizzato che replica il comportamento di salute di un individuo e risponde a diversi stimoli o interventi.
Applicazioni per aziende e digital health
L’adozione della Causal AI richiede rigore metodologico, valutazioni di affidabilità, controllo dei rischi e supervisione specialistica, con stretta collaborazione tra clinici, data scientist e ingegneri.
Secondo Alessandro De Biasio, CEO di Cefriel, «per le aziende del settore sanitario e della digital health la Causal AI rappresenta un’opportunità concreta per sviluppare soluzioni più efficaci e centrate sul paziente. Comprendere le cause che influenzano l’aderenza terapeutica significa progettare servizi e piattaforme con maggiore impatto clinico, fiducia dei professionisti e ritorno degli investimenti».
Scopri di più da Gazzetta della Lombardia
Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.
