Le persone che hanno partecipato

Stefano Aiello

Stefano Aiello

Stefano Aiello, ingegnere, partner della società P4I, docente di Organizzazione della Digital Innovation presso il MIP, Direttore Scientifico dell'Executive Program in IT Governance della LUISS Business School e del Corso Avanzato in ICT Management della Bologna Business Schools.
 
Negli ultimi 20 anni, all’interno di società di management consulting, ha maturato vasta esperienza nella riorganizzazione dei processi di governo e gestione della Digital Transformation (Business Process Management, Enterprise Architecture, Portfolio Mgmt, Requirement Engineering, ICT Financial Mgmt, Sviluppo, PM/AgilePM, Testing, Service Level Mgmt, Deployment, User Support), nell’impostazione/revisione di contratti di IT Outsourcing e nella definizione di modelli di governo per la gestione dei rischi operativi. Parte del team di Spending Review coordinato dal commissario Carlo Cottarelli focalizzato all'organizzazione delle PA.
 
 
 
Torna all'elenco completo

Ha partecipato a:

La centralità del dato

Roma, 20 settembre, 2017 | 15:00

Il dato sanitario rappresenta uno degli aspetti centrali rispetto al tema complessivo della sanità digitale per quantità, dimensioni, tipologia e strategicità. Ogni anno il Servizio Sanitario Nazionale produce centinaia di migliaia di Terabytes di dati clinici ed amministrativi riferibili a milioni di assistiti/pazienti. Questa quantità di informazioni rappresenta un problema tecnologico (la crescita esponenziale del fabbisogno di storage in sanità), ma soprattutto un enorme problema relativo alla sicurezza: gli attacchi a scopo terroristico così come quelli più prosaicamente correlati ad iniziative malavitose finalizzate all’ottenimento di riscatti in denaro colpiscono molto frequentemente le strutture sanitarie in ogni Paese del mondo.

Ma il dato sanitario (soprattutto quello tipicamente clinico) rappresenta anche un’enorme opportunità a livello scientifico: essere in grado di analizzare enormi quantità di informazioni più o meno strutturate, fornendo elementi di supporto alle decisioni cliniche, significa incrementare considerevolmente le capacità “predittive” di una medicina sempre più orientata alla prevenzione secondaria come strumento di contrasto quotidiano all’insorgere ed all’evolversi di patologie in situazioni sempre più complesse di multimorbilità.

Le tecniche di deep e machine learning applicate alla medicina forniscono agli operatori sanitari un supporto insostituibile, potendo fare in pochi minuti quello che l’uomo – forse – potrebbe riuscire a fare in qualche anno di lettura ininterrotta di centinaia di migliaia di documentazione scientifica. In un sistema sanitario sempre più interconnesso e diffuso fra ospedale e territorio, le piattaforme di clinical collaboration rappresentano la “prossima grande sfida” per l’healthcare information technology: si superano i confini del sistema informativo ospedaliero e/o territoriale, garantendo viste in profondità dei dati (e non già dei “documenti”) dei pazienti che possono essere condivise fra tutti gli attori coinvolti nei processi di diagnosi e cura.

Il tutto nel rispetto della riservatezza del dato sanitario, sensibile per definizione e antonomasia, alla ricerca di un equilibrio fra diritto alla privacy e tutela dell’interesse collettivo superiore in un servizio sanitario sempre più determinato alla responsabilizzazione dei pazienti.