Valutazione e Ottimizzazione del Triage Telefonico Utilizzando Modelli di Intelligenza Artificiale (IA) per il Rilevamento di Richieste di Patologie Tempo-dipendenti presso il Centro di Coordinamento delle Emergenze e dell'Assistenza Urgente (CCUE). (TrIAje Project)

Il Centro di Coordinamento delle Emergenze e dell'Assistenza Urgente in Andalusia (CCUE) riceve migliaia di chiamate al giorno, durante le quali ogni caso deve essere classificato per livello di gravità in base alle informazioni fornite al telefono. Le condizioni per le quali i cittadini richiedono aiuto coprono un'ampia gamma, da disturbi minori all'arresto cardiaco. Questo progetto affronta la sfida del triage telefonico nelle emergenze extraospedaliere per diversi motivi frequenti di richiesta di assistenza che possono indicare condizioni mediche emergenti e potenzialmente letali: incoscienza/arresto cardiaco, distress respiratorio, dolore toracico non traumatico e ictus.

L'obiettivo è migliorare l'accuratezza e l'efficienza del triage telefonico utilizzando tecniche avanzate di Intelligenza Artificiale (IA) - sia simbolica che generativa - inclusi l'apprendimento automatico (ML) e l'elaborazione del linguaggio naturale (NLP). Ciò consentirà agli operatori del CCUE CES-061 Andalusia di prendere decisioni più rapide e informate per fornire cure tempestive e appropriate.

I ricercatori raccoglieranno dati storici anonimizzati dalle chiamate relative a queste quattro categorie di richiesta di assistenza, estratti dai sistemi di database relazionali dei Centri di Coordinamento in Rete (CCR) e dalla Cartella Clinica Digitale Mobile (HCDM) del CES-061 Andalusia. L'analisi includerà sia dati strutturati (campi predefiniti con formati specifici, incluse le domande di triage poste durante la chiamata) che dati non strutturati (testo libero e altri formati) generati durante la gestione della domanda, comprendendo aspetti di coordinamento e erogazione delle cure.

I ricercatori implementeranno un approccio ibrido che integra tecniche classiche di IA (apprendimento supervisionato e profondo per la classificazione) con l'IA generativa (modelli linguistici di grandi dimensioni per analizzare ed estrarre insight preziosi dai dati non strutturati). Verranno testati vari algoritmi di classificazione - come alberi decisionali, foreste casuali, SVM, XGBoost, metodi ensemble e reti neurali - per costruire il modello predittivo più accurato.

Attraverso l'analisi dell'importanza delle caratteristiche, identificheremo le domande e le variabili più predittive, proponendo modifiche alle attuali domande di triage per migliorare l'accuratezza della previsione.

Il modello sarà valutato utilizzando più metriche (inclusa accuratezza, sensibilità, specificità, rapporti di verosimiglianza positivi e negativi, tasso di falsi positivi [mancato allarme], tasso di falsi negativi [mancato rilevamento], area sotto la curva ROC e punteggio F1). Queste metriche aiuteranno a valutare la capacità del modello di prevedere correttamente le diagnosi finali - massimizzando il rilevamento dei casi veramente urgenti (alta sensibilità, alto rapporto di verosimiglianza positivo e basso tasso di falsi negativi) evitando al contempo eccessivi falsi positivi (alta specificità, basso tasso di falsi positivi e basso rapporto di verosimiglianza negativo).

L'obiettivo di questo progetto è valutare l'efficienza dell'attuale modello di triage telefonico del CCUE e sviluppare un nuovo modello basato sull'IA per migliorarlo. Miriamo a fornire una solida base per la futura implementazione del modello migliorato all'interno dei CCUE, aiutando il personale a identificare e dare priorità rapidamente ai casi più gravi, riducendo infine i tempi di risposta e migliorando gli esiti di salute.