L’intelligenza Artificiale nei processi di Anatomia Patologica: Una gestione Lean per l’implementazione delle tecnologie
Barra laterale dell'articolo
Contenuto principale dell'articolo
Abstract
Introduzione:
L'Anatomia Patologica sta attraversando una trasformazione radicale guidata dall'introduzione dell'Intelligenza Artificiale (IA) e dalla Patologia Digitale (PD).
L’introduzione dell’intelligenza artificiale (IA) in Anatomia Patologica rappresenta una delle principali direttrici di innovazione della diagnostica moderna. La digital pathology e gli algoritmi di machine learning e deep learning consentono un’analisi automatizzata delle immagini istologiche, con potenziali benefici in termini di accuratezza diagnostica, riduzione della variabilità inter-osservatore ed efficienza operativa. Tuttavia, l’implementazione dell’IA comporta rilevanti criticità tecnologiche, organizzative, economiche ed etico-regolatorie.
Questo lavoro analizza le principali applicazioni dell’IA in Anatomia Patologica, discutendone i limiti e le implicazioni di sostenibilità, e propone un modello di implementazione basato sui principi Lean per il ridisegno del workflow e sul change management, finalizzato a garantire valore clinico, controllo dei processi e uso appropriato delle tecnologie. L'obiettivo non è semplicemente digitalizzare i processi analogici esistenti, ma ottimizzarli per garantire tracciabilità, accuratezza diagnostica e sostenibilità a lungo termine.
Metodi:
Questa revisione narrativa analizza le attuali applicazioni dell'IA in anatomia patologica, concentrandosi sul supporto diagnostico, l'integrazione del flusso di lavoro e la sostenibilità. Viene adottata una prospettiva Lean Healthcare per valutare la riprogettazione dei processi, la gestione del cambiamento e la generazione di valore per i pazienti e le organizzazioni sanitarie.
Risultati:
Le applicazioni di IA, in particolare i modelli di deep learning applicati alle immagini di vetrini interi, migliorano la riproducibilità e l'efficienza diagnostica, soprattutto in patologia oncologica.
Tuttavia, l'implementazione richiede ingenti investimenti in infrastrutture digitali, governance dei dati, convalida e formazione del personale. L'analisi dei processi basata su Lean supporta l'adozione di tecnologie appropriate e mitiga i rischi legati all'inefficienza e alla resistenza organizzativa.
Conclusioni:
L'intelligenza artificiale rappresenta un'opportunità strategica per l'anatomia patologica, a condizione che la sua adozione sia guidata da un'analisi strutturata dei processi, dalla valutazione delle tecnologie sanitarie e dai principi di Lean Management.
L'implementazione sostenibile dipende dal bilanciamento tra innovazione tecnologica, valore clinico, preparazione organizzativa e risultati incentrati sul paziente.
Downloads
Dettagli dell'articolo
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale 4.0 Internazionale.
Riferimenti bibliografici
• Litjens G, et al. A survey on deep learning in medical image analysis. Med Image Anal. 2017;42:60–88.
• Pantanowitz L, et al. Digital pathology: a college of American Pathologists perspective. Arch Pathol Lab Med. 2012;136(12):1713–1722.
• Bera K, et al. Artificial intelligence in digital pathology—new tools for diagnosis and precision oncology. Nat Rev Clin Oncol. 2019;16(11):703–715.
• Komura D, Ishikawa S. Machine learning methods for histopathological image analysis. Comput Struct Biotechnol J. 2018;16:34–42.
• Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44–56.
• Virgili R. Onetti Muda A. Traceability in Anatomic Pathology – Recommendations and Best Practices. JBP 6 (2022), 2 - 72:84
• J.K.Liker, L. Attolico: Toyota way – Hoepli editore
• R. Cadonati, F. de Gennato, G. de Gennaro: Change Management: opportunità o minaccia? – Franco Angeli editore