New framework in assessing AI maturity in healthcare

The use of Artificial Intelligence in the healthcare sector is undergoing a particularly dynamic phase of development, which is certainly not uniform across the various clinical fields. This study, based on a database comprising 113 AI application projects in healthcare, used empirical and interpretative analysis to answer the research question: in which clinical and operational areas of the healthcare sector are AI applications currently most mature? The proposed methodology differs from other traditional approaches based exclusively on scientific literature; a model was developed. The objective was to start from data from journalistic, institutional and academic sources to collect cases of established or emerging AI applications. Among the results, the radiology field emerges as the most mature and established in terms of implementation. Oncology is the second most widespread field, with a maturity influenced by the radiology field, which is involved in the evaluation of CT scans and MRIs. However, in this case, maturity values are lower than in radiology, confirming that this field is still in the experimental phase, albeit at an advanced stage. In the healthcare context, applications for administrative purposes are also present, with varying levels of maturity depending on the geographical context. The work does not focus solely on the most widespread areas but also outlines emerging areas, among which the most interesting ones that have been analysed in greater detail are ophthalmology, infectious diseases and emergency medicine. Overall, this research offers a true snapshot of the current applications of AI in healthcare, associating them with a level of maturity. An intuitive and replicable model has been developed, even with different nuances, capable of highlighting trends and directions in the sector and creating useful insights for making decisions that are useful for the healthcare sector. In light of this work, it is clear that AI in healthcare is no longer limited to experimentation but is becoming standardised. Some areas are well established and fully operational, while others show potential that is already being invested in.

L'uso dell'intelligenza artificiale nel settore sanitario sta attraversando una fase di sviluppo particolarmente dinamica, che non è certamente uniforme nei vari ambiti clinici. Questo studio, basato su un database comprendente 113 progetti di applicazione dell'IA in ambito sanitario, ha utilizzato analisi empiriche e interpretative per rispondere alla domanda di ricerca: “In quali aree cliniche e operative del settore sanitario le applicazioni di IA sono attualmente più mature?” La metodologia proposta si differenzia dagli altri approcci tradizionali basati esclusivamente sulla letteratura scientifica; è stato sviluppato un nuovo modello. L'obiettivo era quello di partire da dati provenienti da fonti giornalistiche, istituzionali e accademiche per raccogliere casi di applicazioni di IA consolidate o emergenti. Tra i risultati, il campo della radiologia emerge come il più maturo e consolidato in termini di implementazione. L'oncologia è il secondo campo più diffuso, con una maturità influenzata dal campo della radiologia, che è coinvolto nella valutazione delle TAC e delle risonanze magnetiche. Tuttavia, in questo caso, i valori di maturità sono inferiori rispetto alla radiologia, a conferma del fatto che questo campo è ancora in fase sperimentale, sebbene in uno stadio avanzato. Nel contesto sanitario sono presenti anche applicazioni a fini amministrativi, con livelli di maturità variabili a seconda del contesto geografico. Il lavoro non si concentra solo sulle aree più diffuse, ma delinea anche quelle emergenti, tra cui le più interessanti che sono state analizzate in modo più approfondito sono l'oftalmologia, le malattie infettive e la medicina d'urgenza. Nel complesso, questa ricerca offre una vera e propria istantanea delle attuali applicazioni dell'IA in ambito sanitaria, associandole a un livello di maturità. È stato sviluppato un modello intuitivo e replicabile anche con diverse sfumature, in grado di evidenziare le tendenze e le direzioni del settore e di creare intuizioni utili per prendere decisioni utili per il settore sanitario. Alla luce di questo lavoro, è chiaro che l'IA nel settore sanitario non è più limitata alla sperimentazione, ma sta diventando standardizzata. Alcune aree sono ben consolidate e pienamente operative, mentre altre mostrano un potenziale su cui si sta già investendo.