Utilizzo dell’intelligenza artificiale per l’analisi dell’appropriatezza prescrittiva in Neurofisiopatologia

The management of appropriate prescribing is one of the key elements in the organization and optimization of waiting lists, together with the management of supply, in order to ensure a balance between the demand for services and the services actually provided. The analysis of prescription appropriateness carried out in the ordinary manner has always been a complex procedure, as it necessarily required the review of individual prescriptions or the activation of dedicated information flows by specialists. Recently, the introduction of dematerialized prescriptions has made databases relating to the demand for services available and has therefore certainly facilitated the analysis. However, it is important to note that, although this may be an important step forward, even so, comparing these data with the Homogeneous Waiting Groups (RAO) tables remained complex and continued to require the use of human resources dedicated to this specific sector, with a significant investment of time. he development of an analysis methodology that uses artificial intelligence (Google Notebook LM) greatly simplifies the process and makes it extremely quick to compare prescriptions with RAOs, creating summary reports that provide feedback on the most frequent abnormal prescriptions and targeted analyses of individual prescribers, which are useful for comparison with individual prescribers. The methodology developed is already operational within the Ascoli Piceno Local Health Authority and has been presented to the Central Waiting List Management Unit of the Marche Region for possible extension to the regional level. It should be noted that, thanks to this methodology, the guidelines contained in the draft of the new National Plan for the Management of Waiting Lists, currently under discussion at the State-Regions Conference, have been implemented.

Il governo dell’appropriatezza prescrittiva costituisce uno degli elementi cardine per l’organizzazione e l’ottimizzazione delle liste di attesa, insieme alla gestione dell’offerta per la necessità di garantire un equilibrio tra la domanda di prestazioni e le prestazioni effettivamente erogate. L'analisi dell'appropriatezza prescrittiva svolta nelle modalità ordinarie ha da sempre rappresentato una procedura complessa poiché ha necessariamente richiesto la revisione delle singole prescrizioni o l'attivazione di flussi informativi dedicati da parte degli specialisti. Recentemente, l’introduzione della ricetta dematerializzata ha messo a disposizione dei database relativi alla domanda di prestazioni e ha quindi certamente facilitato l’analisi. È però importante rilevare che, seppure ciò possa costituire un importante passo in avanti, anche così la comparazione di tali dati con le tabelle dei Raggruppamenti di Attesa Omogenea (RAO) restava comunque complessa e continuava a richiedere l’impiego di risorse umane dedicate a questo settore specifico, con un impiego di tempo rilevante. Lo sviluppo di una metodologia di analisi che si avvale invece del supporto dell'intelligenza artificiale (Notebook LM di Google) semplifica notevolmente il processo e rende la comparazione delle prescrizioni, rispetto ai RAO, estremamente rapida, con la creazione di report di sintesi in grado di fornire un feed back sulle prescrizioni anomale più frequenti ed anche analisi mirate sul singolo prescrittore, che si dimostrano utili ad un confronto con il singolo prescrittore. La metodologia sviluppata è già operativa nell’ambito dell’Azienda Sanitaria Territoriale di Ascoli Piceno ed è stato oggetto di presentazione in sede di Unità Centrale di Governo delle Liste di Attesa della Regione Marche per la possibile estensione in ambito regionale. Si segnala che, grazie a questa metodologia, sono rese operative indicazioni contenute nella bozza del nuovo Piano nazionale per il governo delle liste di attesa, attualmente in discussione in sede di Conferenza Stato - Regioni.