GOLD
University of Calabria
University of Calabria
Il progetto Gestione e Ottimizzazione di risorse ospedaliere attraverso analisi dati, Logic programming e Digital twin (GOLD) nasce con l’obiettivo di sviluppare una soluzione innovativa per la gestione e l’ottimizzazione delle risorse ospedaliere, basata sul paradigma del Digital Twin e sull’uso di tecniche di Intelligenza Artificiale, in particolare la programmazione logica (Answer Set Programming, ASP) e il machine learning.
Grazie a questa combinazione di tecnologie, il progetto ha creato un ecosistema digitale in grado di simulare, analizzare e ottimizzare processi sanitari complessi, fornendo strumenti concreti per il supporto alle decisioni e contribuendo al miglioramento dell’efficienza e della qualità dei servizi sanitari.
Il progetto ha avuto inizio il 10 giugno 2025 e si è concluso il 31 agosto 2025.
Nel corso del progetto sono state svolte numerose attività di ricerca e sviluppo, organizzate in quattro aree principali:
Digital Twin dei processi ospedalieri
Analisi e mappatura dei flussi operativi reali.
Formalizzazione dei vincoli clinici, organizzativi e contrattuali.
Realizzazione di modelli digitali modulari, riutilizzabili e adattabili a diversi reparti ospedalieri.
Sviluppo di modelli ASP per la pianificazione
Nuclear Medicine Scheduling (NMS): pianificazione delle attività in Medicina Nucleare, ottimizzando l’uso di tomografi, radiofarmaci e sedie per infusioni, riducendo i tempi di attesa dei pazienti.
Chemotherapy Treatment Scheduling (CTS): programmazione delle sedute di chemioterapia, bilanciando la disponibilità di poltrone/lettini, la durata dei trattamenti e le esigenze cliniche individuali dei pazienti.
Nurse Scheduling Problem (NSP): pianificazione dei turni del personale infermieristico, rispettando vincoli contrattuali e organizzativi, migliorando il benessere del personale e favorendo il recupero delle ferie arretrate.
Realizzazione di dimostratori software
Dimostratori con interfacce grafiche intuitive, pensati per essere utilizzati anche da operatori non tecnici.
Funzionalità di spiegabilità dei risultati, con possibilità di interrogare i piani in linguaggio naturale grazie a modelli di linguaggio (LLM).
Analisi di scalabilità su casi reali e simulazioni complesse.
Acquisizione e analisi di dati clinici
Studio dello stato dell’arte sugli algoritmi di machine learning in ambito sanitario.
Analisi e classificazione di dispositivi e sensori indossabili per il monitoraggio remoto dei pazienti.
Definizione di pipeline per l’integrazione di dati clinici, con attenzione a patologie croniche e complesse.
Il progetto ha prodotto risultati concreti e trasferibili:
Soluzioni digitali che migliorano la pianificazione delle risorse ospedaliere.
Riduzione dei tempi di attesa e maggiore efficienza nell’uso di risorse costose e limitate.
Supporto al personale sanitario, grazie a strumenti trasparenti e facilmente utilizzabili.
Miglioramento della qualità dell’assistenza ai pazienti, attraverso percorsi terapeutici più organizzati e affidabili.
Un contributo significativo alla transizione digitale della sanità, in linea con gli obiettivi del PNRR e delle strategie nazionali di innovazione.