La piattaforma SaaS esegue diagnostica per immagini, proteggendo i dati sensibili in cloud
L’intelligenza artificiale ha segnato un punto di svolta nell’analisi di immagini mediche, in particolare per la capacità di interpretare di TAC, radiografie e risonanze magnetiche.
L’AI nella diagnostica medica offre infatti un supporto decisionale clinico, permettendo di:
- analizzare automaticamente immagini TAC e MRI
- individuare indicatori clinici nascosti
- supportare il radiologo
- ridurre il tempo di analisi
- integrare nuovi servizi nei centri diagnostici
In questo articolo presentiamo il caso studio di M-Score Bone Health, piattaforma AI di diagnostica per immagini, che analizza le scansioni MRI (Magnetic Resonance Imaging) per valutare la qualità ossea e rilevare i primi segni di osteoporosi, nel pieno rispetto della privacy dei dati dei pazienti.
Che cos’è l’AI nella diagnostica medica?
L’AI nella diagnostica medica è l’applicazione dell’intelligenza artificiale all’analisi di immagini e dati clinici per supportare medici e radiologi nell’identificazione di anomalie, fattori di rischio e possibili patologie. Non sostituisce il giudizio clinico, ma fornisce informazioni aggiuntive che aiutano a rendere lo screening più rapido, accurato e uniforme.
Oggi l’AI diagnostica medica trova applicazione soprattutto nella diagnostica per immagini, dove algoritmi di Computer Vision analizzano TAC, radiografie e risonanze magnetiche (MRI) per individuare elementi che potrebbero non essere evidenti durante una normale valutazione clinica. In ambiti come l’intelligenza artificiale in radiologia, queste soluzioni permettono di automatizzare attività ripetitive, ridurre i tempi di analisi e supportare i professionisti nell’interpretazione degli esami.
Dal punto di vista tecnologico, un software con intelligenza artificiale combina modelli di Machine Learning, infrastrutture cloud sicure e integrazioni con sistemi sanitari come software PACS ed ERP clinici. Lo sviluppo di software di intelligenza artificiale per il settore sanitario richiede infatti non solo competenze di AI, ma anche esperienza nella gestione di dati sensibili, nella compliance normativa e nella progettazione di piattaforme affidabili e scalabili.
Un esempio concreto è rappresentato dai software per lo screening dell’osteoporosi basati sull’analisi automatica delle TAC o delle immagini da risonanza magnetica. In questo caso, l’AI individua indicatori di rischio già presenti nelle immagini diagnostiche e restituisce ai medici un’informazione aggiuntiva, integrata nel normale flusso di lavoro del centro diagnostico, senza modificare il percorso clinico del paziente.
Perché sviluppare un software screening osteoporosi?
C’è un dato che circola nella community di medici e ricercatori: una quota significativa dei pazienti che fanno una TAC o una risonanza magnetica per altri motivi ha un rischio osteoporosi non diagnosticato. L’informazione è già nelle immagini. Solo che nessuno la legge, perché non è il motivo dell’esame, e un’analisi aggiuntiva richiederebbe tempo e competenze dedicate. Un software screening osteoporosi automatizza l’analisi di immagini mediche, accelerando l’individuazione della patologia.
M-Score Bone Health parte proprio da qui: trasformare un dato che già esiste in un servizio a valore per il paziente, grazie a una piattaforma SaaS per centri diagnostici sicura e scalabile.
Eleva ha collaborato con questa startup per la diagnostica per immagini, sviluppando l’architettura della piattaforma cloud che analizza automaticamente le MRI e calcola il fattore di rischio osteoporosi del paziente. Il tutto facilitando l’integrazione con PACS, in piena conformità con le normative.
Il modello di business è interessante quanto la tecnologia. I centri diagnostici non devono comprare nuove apparecchiature. Usano le risonanze magnetiche che già fanno. La piattaforma SaaS basata su AI aggiunge un livello di analisi che prima non esisteva (lo screening preventivo dell’osteoporosi) e lo trasforma in un servizio fatturabile.
| Diagnostica tradizionale | AI diagnostica medica |
| Analisi manuale delle immagini | Analisi automatica delle immagini |
| Screening limitato alla richiesta clinica | Screening opportunistico su TAC, radiografie e MRI già disponibili |
| Approccio incentrato sulla cura | Approccio incentrato sulla prevenzione |
| Referto basato sull’osservazione del radiologo | Supporto decisionale basato su algoritmi AI |
| Processo manuale | Processo automatizzato e integrato |
Come funziona l’analisi immagini automatica con AI?
Con M-Score Bone Health, il centro diagnostico carica i risultati della MRI sulla piattaforma. L’algoritmo analizza le immagini con AI. In pochi minuti restituisce il risk score per osteoporosi. Il centro decide se attivare l’analisi e fatturare il servizio al paziente.
Dietro questa semplicità c’è parecchio lavoro: l’algoritmo deve essere affidabile (si parla di AI diagnostica medica), la piattaforma deve essere accessibile a personale non tecnico, il flusso di analisi di immagini mediche deve integrarsi con le operazioni quotidiane della clinica senza aggiungere complessità.
Non da ultimo, i dati personali dei pazienti devono essere tutelati e protetti durante il processo di screening automatico.
Piattaforma SaaS centri diagnostici semplice da usare
In tal modo, ogni centro diagnostico ha una piattaforma SaaS dedicata per gestire le analisi, monitorare i risultati, ottenere supporto decisionale clinico e controllare la fatturazione. Tutto in cloud, accessibile ovunque.
Il design riflette una scelta precisa: nella diagnostica assistita da AI il centro deve poter operare in autonomia. Senza chiamare un tecnico per caricare un’immagine, senza aspettare ore per un risultato, senza trovarsi davanti a un’interfaccia pensata per data scientist. Il software per lo screening automatico di MRI è fatto per radiologi e amministrativi, non per ingegneri.
AI per immagini mediche: tecnologia e architettura per proteggere i dati
Per non dover gestire manualmente gli aggiornamenti dei server fisici in ogni centro medico è stata realizzata una soluzione ibrida. E’ stata progettata un’infrastruttura cloud AWS solida, sicura e completamente gestita, su cui l’azienda potesse scalare la propria AI healthcare platform. Scegliere architetture gestite e serverless, per dati più protetti, è fondamentale in settori come quello sanitario.
Nella configurazione della CI/CD è stata creato un ambiente di staging su AWS che replica la configurazione dei server installati presso i centri medici. In tal modo, quando vengono rilasciati aggiornamenti all’applicativo medicale, il testing avviene esclusivamente su AWS. In seguito, tramite l’agent installato sulle macchine on-prem, gli aggiornamenti vengono rilasciati contemporaneamente su tutti i centri medici. Questo ha permesso di ridurre del 50% il tempo per il rilascio di nuove funzionalità.
Il backend è stato realizzato sfruttando il servizio Elastic Beanstalk, pubblicando su internet l’applicazione tramite Application Load Balancer protetto da Web Application Firewall.
Per garantire l’anonimizzazione dei dati sanitari, nel pieno rispetto della privacy, le radiografie vengono caricate in cloud con ID univoci, senza nomi né dati anagrafici associati. Nell’AI diagnostica medica è fondamentale che la gestione dei dati osservi criteri stringenti di protezione, tipici di un ambito sensibile come quello delle analisi immagini mediche.
Ogni centro medico che comunica con l’app ha un server fisico con due server virtuali. Gli operatori utilizzano l’applicazione in locale in cui sono memorizzati i dati anagrafici degli utenti. I risultati delle analisi, salvati localmente, vengono anonimizzati ed inviati al cloud AWS attraverso una rete sicura di tipo zero trust.
Sviluppo soluzioni AI per centri medici: come abbiamo lavorato
Il team Eleva di cloud architecht certificati AWS ha lavorato insieme al team di sviluppo della startup per impostare a 4 mani tutti i processi di rilascio software, integrare le applicazioni nell’ambiente Cloud e validare tutti gli aspetti di compliance.
L’impianto così realizzato è stato verificato per confermare l’aderenza agli standard normativi e ha ottenuto la certificazione come Medical Device.
Lo sviluppo ha richiesto pochi mesi di lavoro, garantendo il time-to-market necessario ed elevata scalabilità del servizio per un numero crescente di ospedali.
Grazie ai tanti servizi Cloud attivabili e alla possibilità di integrare soluzioni di terze parti per la crittografia e anonimizzazione dei dati, M-score Bone Health può contare su un modello di business efficace, replicabile e con minimi costi per cliniche e centri medici. In tal modo, gli operatori sanitari possono ricevere il servizio grazie a un’implementazione plug-and-play, senza anticipare degli investimenti infrastrutturali.
La clinica deve fornire esclusivamente informazioni sul proprio software PACS (Picture Archiving and Communication System) e mettersi a disposizione per installare una macchina virtuale o un piccolo hardware. M-Score si occupa di fornire il dispositivo pronto all’uso, sempre aggiornato e sicuro.
La modalità di rilascio delle componenti on-premise (macchina virtuale o appliance) permette di rivolgersi ad ospedali e strutture sanitarie lontane, senza la necessità di un intervento locale. In questo modo, i tempi di installazione sono passati da 3 giorni a due ore di raccolta requisiti.
Software screening osteoporosi: perché questo progetto conta
M-Score rappresenta una tipologia di progetto che nel settore sanitario diventerà sempre più comune: un software screening osteoporosi che non sostituisce il medico ma gli dà un dato in più, basato su AI, integrato nel flusso di lavoro, con un modello di business chiaro.
Per Eleva, il progetto ha confermato due cose. La prima: l’AI nel medicale funziona quando è al servizio di un flusso operativo concreto, non quando è tecnologia fine a sé stessa. La seconda: costruire una piattaforma SaaS basata su AI per il settore sanitario richiede la stessa attenzione ai processi reali che mettiamo nei gestionali tradizionali. L’interfaccia, l’usabilità e la sicurezza dei dati contano quanto l’algoritmo.
È un approccio diverso ma complementare a quello del gestionale sanitario custom: in entrambi i casi, il software si inserisce in un flusso clinico esistente e lo migliora.
Se state esplorando come applicare l’AI nel contesto diagnostico o sanitario, scriveteci.