Quantum: un bollino di qualità per i dati sanitari europei per spingere la ricerca e l'Intelligenza Artificiale

  Stabilire i parametri per assegnare un 'bollino' di qualità ai dati sanitari europei farà decollare i progetti di ricerca internazionali e l'uso dell'intelligenza artificiale per automatizzare i processi di lavoro su grandi database. Questo è il cuore di Quantum, un progetto europeo che vede la partecipazione attiva degli esperti dell'Università Cattolica, Campus di Roma. L'obiettivo è sviluppare un bollino europeo che certifichi la qualità dei dati sanitari, permettendo di selezionare quelli utilizzabili per la ricerca scientifica e altre finalità pubbliche nei paesi europei, armonizzando i dati sanitari a livello internazionale e consentendone un uso paneuropeo senza confini. Quantum, acronimo di Quality, Utility and Maturity Measured, è un progetto europeo guidato da un consorzio di 27 ricercatori e 5 enti di ricerca, coordinato dagli esperti dell'Instituto Aragonés de Ciencias de la Salud (IACS). L'Università Cattolica, con il gruppo di Fidelia Cascini, esperta di sanità digitale del Ministero della Salute e presidente degli Stakeholder Fora della Comunità di Pratica dell'European Health Data Space, è fortemente coinvolta. L'etichetta di qualità è un documento che elenca una serie di parametri relativi ai dati, come completezza, unicità, accuratezza, validità e disponibilità in formato di scambio europeo, quindi interoperabili a livello transfrontaliero. Il progetto, finanziato con 4 milioni di euro, si concluderà a giugno 2026. La sfida futura è avere tutti i dati sanitari in formato elettronico; è quindi cruciale che i diversi paesi parlino lo stesso 'linguaggio dati', affinché ciascuno possa utilizzare i dati degli altri, nel rispetto della privacy, per studi clinici, meta-analisi e revisioni internazionali di ampio respiro. Ecco perché, spiega Cascini, è necessario un bollino di qualità che certifichi i dati. “L’etichetta - spiega Cascini - servirà ai ricercatori (e non solo) per comprendere se i dataset di cui desiderano avvalersi per la propria ricerca siano affidabili e utilizzabili ai loro scopi in termini di qualità. Questo avrà effetti notevoli sui risultati delle ricerche e, nel caso dell’intelligenza artificiale, su come potranno essere addestrati gli algoritmi. Come le etichette alimentari, si saprà cosa c’è dentro un dataset sanitario in termini di caratteristiche dei dati stessi (provenienza, epoca e modalità di raccolta, formato, accuratezza, completezza, validità, coerenza). E sarà obbligatorio per legge, ai sensi del nuovo Regolamento sull’European Health Data Space”, conclude Cascini.