Sistemi di Supporto alla Decisione Clinica (Clinical Decision Support Systems, CDSS) sono strumenti fondamentali per assistere i medici nel processo decisionale, grazie alla loro capacità di analizzare dati clinici e fornire raccomandazioni diagnostiche o terapeutiche. In letteratura, questi sistemi sono classificati principalmente in due categorie: quelli basati sulla conoscenza, che utilizzano regole logiche di tipo IF-THEN fondate sull’esperienza clinica degli esperti, e quelli basati sull’apprendimento automatico (Machine Learning, ML), che sfruttano modelli statistici per identificare pattern nei dati.
Nonostante il loro potenziale, i CDSS presentano alcune criticità: spesso si concentrano sulla singola patologia, trascurando la complessità delle comorbilità e la multidimensionalità del paziente; inoltre la mancata interoperabilità richiede l’inserimento manuale dei dati, con rischio di errori e informazioni incomplete. In aggiunta, problema non secondario, da parte dei medici sembra esistere una certa diffidenza.
Per rispondere alle esigenze della Digital Health (DH), i CDSS devono evolvere verso una maggiore interoperabilità mediante l’integrazione con la telemedicina, che permetta una corretta gestione multidisciplinare e quindi una migliore personalizzazione delle cure.
Di particolare interesse è il calcolo automatico e dinamico del rischio di complicanze per ogni paziente, basato sull’elaborazione di dati in tempo reale (parametri vitali, record sanitari, questionari clinici). La confluenza di queste informazioni in un Sistema Medico Esperto (Medical Expert System – MES) potrebbe rappresentare un importante supporto alla decisione clinica. Questo articolo analizza il ruolo dei MES nello sviluppo della DH, presentando un’applicazione in telemedicina per la gestione di pazienti complessi con insufficienza cardiaca cronica.
PAROLE CHIAVE sistemi di supporto alla decisione clinica (CDSS); sistema medico esperto (MES); medicina digitale (DH); intelligenza artificiale (IA); gemelli digitali.