I percorsi assistenziali modificano gli esiti. Il paziente reale oltre lo score: Intelligenza artificiale, fragilità e decisioni integrate

La medicina interna e le discipline ad essa correlate gestiscono pazienti sempre più complessi, nei quali la prognosi non dipende esclusivamente dalla severità biologica della singola malattia, ma dall'interazione tra funzione d'organo, fragilità, stato cognitivo, sintomi percepiti dal paziente, aderenza terapeutica, contesto sociale e accessibilità reale ai percorsi di cura.

Gli score tradizionali rappresentano strumenti indispensabili per standardizzare la valutazione clinica, stimare il rischio e rendere più omogenee le decisioni. Tuttavia, nella pratica clinica quotidiana, essi non sempre riescono a intercettare la complessità multidimensionale del paziente reale. Un paziente con identico score biologico può avere un rischio assistenziale, funzionale e prognostico profondamente diverso in base a fragilità, deficit cognitivi, fatigue, sarcopenia, ridotta mobilità, bassa aderenza terapeutica o insufficiente supporto domiciliare.

L'edizione 2026 de "I percorsi assistenziali modificano gli esiti" propone un cambio di prospettiva: dalla stratificazione della malattia alla stratificazione integrata del paziente. Attraverso casi clinici interattivi, televoting, confronto tra score validati e framework multidimensionali, il corso esplorerà come integrare dati biologici, Patient-Reported Outcomes, screening cognitivo e misure di fragilità nella costruzione di percorsi diagnostico-terapeutici-assistenziali predittivi, misurabili e orientati agli esiti.

In questo contesto verrà proposto l'ICOS Framework – Integrated Clinical Outcome Stratification, inteso non come score sostitutivo degli strumenti validati, ma come modello operativo di supporto alla decisione clinica. L'obiettivo è integrare gli score biologici già disponibili con dimensioni spesso sottovalutate nei PDTA tradizionali: sintomi riferiti dal paziente, fragilità, performance funzionale, stato cognitivo, attività fisica reale, aderenza e setting assistenziale.

L'intelligenza artificiale non viene proposta come sostituto del giudizio clinico, ma come strumento di supporto alla governance clinica: consente di organizzare dati eterogenei, rendere più espliciti i processi decisionali, identificare precocemente pazienti a rischio, monitorare indicatori di processo e di outcome, e favorire audit clinici continui.

L'obiettivo finale del corso è costruire un modello condiviso di PDTA predittivo integrato, applicabile a livello aziendale e regionale, fondato su dataset minimi, indicatori misurabili, responsabilità professionali definite e capacità di revisione continua degli esiti.