Health Force porta gli AI agent negli ospedali

Gli ospedali europei si trovano davanti a un’equazione sempre più difficile da risolvere: una popolazione che invecchia, una domanda di assistenza destinata a crescere e risorse umane ed economiche limitate.

È da questa sfida che nasce Health Force, azienda europea fondata da Juan Sebastián Suárez Valencia e Fadi Haddad, che punta ad aumentare la capacità operativa degli ospedali grazie all’impiego dell’intelligenza artificiale agentica. Si tratta di un’IA capace non solo di elaborare informazioni o rispondere a una richiesta, ma anche di eseguire in autonomia una sequenza di azioni per portare a termine un compito.

In Italia la tecnologia è già utilizzata da alcune delle maggiori realtà ospedaliere private, tra cui Humanitas e Gruppo San Donato. Qui, gli agenti di intelligenza artificiale sviluppati da Health Force gestiscono oltre 200mila pratiche l’anno, dalle autorizzazioni preventive delle prestazioni alla gestione dei rimborsi e alla rendicontazione normativa.

Ora la startup ha appena raccolto 4,2 milioni di euro in un round seed per espandere la sua tecnologia in altri mercati europei, guidata da un gruppo di investitori internazionali, tra cui LUMO Labs, Target Global, Calm/Storm Ventures, Next Tier Ventures e STEP Fund.

Juan Sebastián Suárez Valencia, co-founder e chief product officer di Health Force (che ha la sede centrale a Barcellona e una sede operativa a Milano), ci racconta come contribuiscono a migliorare l’assistenza sanitaria: obiettivo che definisce una responsabilità prima di essere un’impresa.

Meno burocrazia. Più tempo per la relazione di cura

«La domanda di assistenza cresce ogni anno perché la popolazione invecchia. Nel contempo si deve fronteggiare la carenza di personale sanitario e, in generale, dei costi che aumentano» racconta Suárez Valencia. «In Italia, tra il 2010 e il 2020 sono stati chiusi 111 ospedali e 113 pronto soccorso per i tagli al Servizio sanitario sanitario. Noi abbiamo guardato a questo problema chiedendoci che cosa potessimo fare».

Secondo il founder di Health Force, l’ospedale è un po’ come a un aeroporto. «Il passeggero vede soltanto una piccola parte: compra il biglietto, va in aeroporto, prende l’aereo e arriva a destinazione. Ma dietro c’è una complessa organizzazione: piloti, assistenti di volo, aerei, gate e così via. In ospedale succede la stessa cosa».

Prendiamo l’esempio di un intervento chirurgico, che prevede un lungo iter in cui subentrano figure con specializzazioni e ruoli differenti che concorrono alla buona riuscita dell’operazione. Il punto è che una parte significativa del lavoro del personale sanitario è assorbita da attività amministrative, contribuendo anche al burnout (ne abbiamo parlato qui commentando l’editoriale di Lancet).

«Il burnout non deriva soltanto dal fare il proprio lavoro, ma anche dal non riuscire a farlo perché bisogna gestire molti altri aspetti dell’ospedale. Io sono medico di formazione e, quando lavoravo in medicina d’urgenza, era molto complicato trovare un letto se un paziente necessitava di ricovero. Potevo passare anche cinque ore al giorno a chiamare persone all’interno dell’ospedale o di altri ospedali per capire dove ci fosse disponibilità».

Un agente di intelligenza artificiale può occuparsi della gestione della logistica, aumentando la capacità operativa della struttura e lasciando al personale medico più tempo per comunicare con il paziente e la sua famiglia.

Migliorare efficienza e interoperabilità

L’introduzione dell’AI agent non richiede integrazioni particolari, perché può essere collegato in maniera sicura ai sistemi già esistenti dell’ospedale, spiega Suárez Valencia.

«Noi la definiamo “forza lavoro digitale”. I nostri agenti utilizzano gli stessi sistemi utilizzati dai colleghi umani: accedono attraverso un utente e delle credenziali, svolgono il lavoro utilizzando le stesse interfacce e comunicano anche con il personale. Possono, per esempio, inviare un messaggio come: “Buongiorno, oggi ho svolto questo lavoro”, fornendo l’elenco delle attività completate. Allo stesso modo, il personale può chiedere all’agente di riprovare a inviare una pratica assicurativa».

Negli ospedali, inoltre, ogni agente può avere un nome. Suárez Valencia racconta che quello impiegato da Humanitas si chiama Alma, mentre quello del Galeazzi è Angelina.

L’intelligenza artificiale non prende decisioni cliniche

«Abbiamo stabilito fin dall’inizio che, trattandosi di una tecnologia nuova, dobbiamo essere sicuri che svolga bene il proprio lavoro. Prima di tutto, quindi, lavoriamo su aspetti che non comportano una decisione terapeutica». Le decisioni con impatto clinico, cioè, rimangono affidate al personale sanitario.

Poi c’è un secondo aspetto, più tecnico. «Nel mondo dell’automazione esistono tre livelli. Il primo è un’automazione puramente deterministica, nella quale si sa esattamente che cosa farà il sistema ogni volta. All’altro estremo c’è un livello nel quale l’agente prende tutte le decisioni autonomamente e svolge da solo il lavoro».

Tra questi due estremi esiste un livello intermedio, il cosiddetto agentic workflow, quello utilizzato da Health Force, «perché mantiene una componente fortemente deterministica, con circa il 90% dell’automazione. Ma c’è un 10% nel quale è necessaria l’intelligenza artificiale, per esempio per leggere la documentazione clinica e comprendere quello che scrive un medico o un paziente, oppure per capire l’informazione contenuta in una mail e quale lavoro debba essere svolto».

In altre parole, gli agenti pre-addestrati operano come membri digitali del team, svolgendo le attività in autonomia, con supervisione umana e con ogni azione tracciabile.

Il modello human in the loop

«L’impiego dell’intelligenza artificiale generativa è cruciale, perché bisogna anche ragionare sulle informazioni. Nel caso del paziente plurioperato, per esempio, un documento iniziale può dire che non ha allergie. Successivamente il paziente va in ospedale e manifesta una reazione a un farmaco. Un altro documento può ancora riportare che non ci sono allergie e un altro ancora invece riportarle, perché nel frattempo il medico ha capito che quell’evento era effettivamente una reazione allergica».

La documentazione clinica di un paziente che ha avuto diversi interventi, cioè, può richiedere la comprensione di una sequenza di eventi: due documenti possono sembrare in contraddizione oppure un’informazione può essere stata omessa in un documento e diventare rilevante in seguito.

Health force si fonda sul concetto di human in the loop: prima di qualsiasi decisione che abbia un impatto clinico interviene un essere umano che prende la decisione finale utilizzando le informazioni fornite dall’intelligenza artificiale, che «mostra anche da quali documenti ha ricavato quella conclusione. Così il personale può andare a controllare e verificare che ciò che ha individuato non sia un’allucinazione o un altro tipo di errore».

Efficienza, risparmio e impatto sull’assistenza

Ma come misurare efficienza, risparmio e l’impatto sull’assistenza sanitaria?

«Prima di tutto – chiarisce Suárez Valencia – gli ospedali privati hanno interessi diversi rispetto a quelli pubblici. Al di là della qualità dell’assistenza, nel settore privato contano i risultati economici, come la riduzione degli errori o l’incremento dei ricavi».

D’altro canto, nel pubblico spesso la richiesta di assistenza supera la disponibilità di risorse e personale sanitario disponibile.

«Se riuscissimo a ottimizzare tutto questo, ogni mese e ogni anno l’ospedale potrebbe prendere in carico e operare più pazienti, riducendo il tempo di attesa e migliorando la degenza».

Ciò permetterebbe anche di registrare i progressi degli assistiti e prevedere, in seguito alle dimissioni, possibili complicanze.

«I percorsi sono moltissimi: il ricovero non è uguale all’attività ambulatoriale e un percorso complesso, come quello di un trapianto, ha caratteristiche ancora diverse. Alla fine, l’obiettivo è prendere in carico più pazienti con le stesse risorse, senza compromettere la qualità e senza chiedere alle persone di lavorare di più».

In altre parole, la tecnologia sviluppata da Health Force, oltre a sottrarre parte del carico amministrativo e logistico, punta anche a migliorare l’impiego delle risorse ospedaliere: e una maggiore efficienza organizzativa potrebbe consentire di assistere più pazienti, ridurre i tempi di attesa e migliorare alcuni aspetti dei percorsi di cura senza aumentare il carico di lavoro del personale.

La sfida: portare gli agenti AI negli ospedali pubblici

Suárez Valencia anticipa che la startup è già in trattativa con un ospedale pubblico in Lombardia e che il team è in contatto con circa un centinaio di ospedali in diversi paesi. L’obiettivo della startup è infatti portare gli agenti AI negli ospedali pubblici ed espandere la sua tecnologia, già validata nei principali ospedali italiani, in altri mercati europei.

«Nel pubblico c’è il tema delle gare e i parametri sono differenti, ma il funzionamento può essere perfino più semplice, perché diversi ospedali utilizzano sistemi comuni rispetto al settore privato: persino due strutture appartenenti allo stesso gruppo possono avere fornitori differenti».

La transizione dall’Italia all’Europa sarà sostenuta dall’impiego di un’unica piattaforma, attraverso la quale creare e distribuire agenti adattabili alle diverse realtà.

«L’esperienza italiana ci permetterà di comprendere meglio i processi, gli indicatori rilevanti per gli ospedali pubblici e privati e le diverse esigenze delle strutture sanitarie. In questo modo l’Italia diventerà un centro di ricerca e sviluppo sull’impiego degli agenti digitali in sanità, da cui favorire poi la diffusione nel resto d’Europa, adattando la tecnologia alle diverse realtà locali».

L’impiego di una piattaforma comune permetterà di creare e distribuire agenti simili tra loro per circa l’80%. «Il corpo umano è lo stesso e molti elementi di un percorso, per esempio quello relativo a una determinata procedura chirurgica, sono comuni».

Rimane però un 20% legato alla realtà operativa del singolo ospedale. «La sfida è capire quali elementi debbano rimanere nel core della piattaforma e quali, invece, vadano adattati alle singole realtà, così da mantenere il sistema scalabile, anche nella direzione opposta. Per esempio, ciò che apprendiamo in Germania può essere incorporato anche dagli agenti utilizzati negli ospedali italiani».

La piattaforma diventerebbe così anche un mezzo per accelerare la diffusione dell’innovazione tra i diversi sistemi sanitari europei.