L’interesse  di Microsoft per la sanità parte da lontano ma non per questo è una strada costellata di successi. Era il 2007 quando la società lanciò HealthVault poi chiuso nel 2019.

HealthVault prevedeva un sistema di cartelle cliniche personali basato sul web senza però comprendere i dati dinamici acquisiti dal paziente. In più non si integrava con molti wearable e altri dispositivi sanitari intelligenti e aveva limitate capacità social e di condivisione.

Inoltre non era stato progettato per il mobile. Non è andata benissimo tanto che da lì in poi Microsoft ha cambiato strategia per concentrarsi sui servizi cloud, intelligenza artificiale e machine learning. In più ha stretto una serie di partnership e acquisito al prezzo di 19,7 miliardi di dollari Nuance Communications, la seconda acquisizione più grande di sempre di Microsoft, specializzata nell’Ai conversazionale e di intelligenza clinica ambientale basata sul cloud per i fornitori di assistenza sanitaria.

I prodotti di Nuance includono offerte SaaS di riconoscimento vocale clinico leader costruite su Microsoft Azure e sono utilizzate da più del 55% dei medici, dal 75% dei radiologi negli Stati Uniti, e nel 77% degli ospedali statunitensi. Secondo il ceo di Microsoft Satya Nadella, l’accordo porterà Microsoft in una nuova parte dell’assistenza sanitaria: le interazioni medico-paziente, e darà all’azienda un mercato da 500 miliardi di dollari a cui puntare.

Uno dei prodotti di Nuance, Dragon Ambient eXperience, converte la conversazione tra medico e paziente in parole scritte che possono far parte della documentazione medica dell’appuntamento: per esempio, inserendo informazioni nella cartella clinica.

Focus sull’assistenza virtuale

Le soluzioni per il mondo health fanno parte dei percorsi dei technology center come quello di Milano presentato di recente. A Redmond sono molto concentrati sull’assistenza virtuale tanto che il suo primo prodotto cloud verticale Cloud for Healthcare pone particolare enfasi sulle caratteristiche per la telemedicina.

L’app Bookings in Teams, per esempio, ha debuttato in Cloud for Healthcare e può essere utilizzata dai medici per programmare, gestire ed effettuare consultazioni telemediche in Teams. Nel frattempo, l’Healthcare Bot può aiutare il triage dei pazienti – i bot specifici per Covid-19 sono usati per l’autovalutazione in un certo numero di paesi – così come collegarli a operatori umani, che possono organizzare appuntamenti medici dove necessario.

La soluzione permette la collaborazione tra i membri dei team medici, sul posto o in remoto, mentre altre funzionalità hanno lo scopo di presentare ai medici un quadro della storia e dello stato medico di un paziente. La società sta inoltre lavorando all’interoperabilità tra i sistemi medici e le fonti di dati sostenendo lo standard Fast healthcare interoperability resources (Fihr) per condividere in modo sicuro le informazioni private tra i sistemi sanitari.

I modelli di dati comuni avranno anche un ruolo nel monitoraggio remoto dei pazienti attraverso l’utilizzo dell’IoT. Non a caso molti partner di Redmond stanno lavorando su algoritmi abilitati all’intelligenza artificiale che aiutano a cogliere prima i segni di sofferenza nell’impostazione di cura acuta. Al di fuori dei servizi, Microsoft ha anche sviluppato un hardware per l’assistenza sanitaria come Hololens che migliora la collaborazione fra i medici anche distanza.

La vendita di Watson Health

Se Microsoft sempre di più entra nel mondo healthcare Ibm invece lavora in modo contrario. La società ha ceduto Watson Health alla Francisco Patners. La cessione comprende asset come Health Insights, MarketScan, Clinical Development, Social Program Management, Micromedex e altro ancora. Ibm ha deciso quindi di lasciar perdere.

Troppo l’impegno profuso e non adeguati i ritorni. Secondo il senior vice president Tom Rosamilia la società vuole focalizzarsi su hybrid cloud e Intelligenza artificiale, senza alcun passo indietro reale in termini di fiducia per il progetto Watson.

Cosa è successo? Secondo Sandeep Konam esparto di machine learning che insegna alla Carnegie Mellon University Ibm non l’unica ad avere inciampato nel tentativo di trasformare l’assistenza sanitaria utilizzando l’Ia. Anche Google e molte startup stanno facendo molta fatica.

In particolare Big Blue, cavalcando il successo di Watson che rispondeva alle domande dello show televisivo Jeopardy, nel 2011 ha cercato di lanciare l’Ia su tutto, dall’imaging medico al reclutamento dei trial clinici.

“Ma è molto più efficace definire e capire prima un problema e costruire la tua Ia da lì, seguendo il consiglio collaudato delle startup di iniziare in piccolo e crescere rapidamente. Un prodotto basato sull’Ia è ancora un prodotto; alla fine della giornata, ha bisogno di creare un valore reale per gli utenti”.

In più costruire qualsiasi tipo di prodotto per l’assistenza sanitaria, per non parlare di uno alimentato dall’intelligenza artificiale, può essere difficile. Ci sono molte parti interessate diverse – pazienti, fornitori, ospedali, assicuratori – che hanno esigenze differenti.

Ogni sistema ospedaliero sembra avere il proprio modo di digitalizzare e memorizzare le cartelle cliniche, e i flussi di lavoro variano da istituzione a istituzione e da medico a medico. Uno strumento di apprendimento automatico, inoltre, è buono solo come i dati che vi confluiscono.

Uno dei più grandi insuccessi di Watson Health è stata la rivelazione che il suo strumento di diagnostica del cancro non è stato addestrato con dati reali dei pazienti, ma con casi ipotetici forniti da un piccolo gruppo di medici in un singolo ospedale. I dati fatti a mano o sintetici non sono necessariamente cattivi, ma Watson non sembra aver tenuto conto del fatto che questi dati riflettono i pregiudizi e i punti deboli dei medici e non sono necessariamente generalizzabili a tutti i casi di pazienti.

Come risultato, lo strumento è stato accusato di fare raccomandazioni imprecise e non sicure, portando i partner ospedalieri di alto profilo a cancellare le loro collaborazioni con Watson.

Sembra banale dirlo, ma è fondamentale avere dati di qualità. D’altronde quando Google ha distribuito un sistema di apprendimento automatico per rilevare la retinopatia diabetica in Thailandia, i fattori socio-ambientali hanno limitato il suo funzionamento nella pratica.

Per esempio, le infermiere nelle cliniche con poche risorse spesso non erano in grado di scattare le foto di alta qualità dell’occhio di cui il sistema aveva bisogno per fare le sue valutazioni.

Una delle grandi accuse fatte a Ibm è di avere pompato un po’ troppo sul marketing della soluzione senza avere risultati all’altezza.
per qualcuno che se ne va c’è invece chi rilancia.

È Oracle che con l’acquisto di Cerner ha messo le mani su uno dei principali gruppi dell’area tra la salute e la gestione dei big data.