Esplora il framework integrato per navigare le complessità dell'implementazione dell'AI distribuita nel settore sanitario, bilanciando innovazione tecnologica, sostenibilità economica, conformità normativa e principi etici.
Il modello proposto integra quattro dimensioni fondamentali in un framework analitico che mappa le interrelazioni e le tensioni nell'implementazione dell'AI distribuita in sanità.
Questo approccio interdisciplinare facilita l'identificazione di potenziali tensioni e punti di equilibrio nell'implementazione di sistemi di intelligenza artificiale collaborativa in contesti sanitari, consentendo una governance più efficace e responsabile.
Infrastrutture, interoperabilità, privacy, sicurezza
Sostenibilità, valore pubblico, efficienza, costi
Normative, responsabilità, compliance, privacy
Equità, trasparenza, autonomia, beneficenza
Ciascun asse del framework rappresenta una prospettiva fondamentale per la governance dell'AI distribuita in sanità, con specifici costrutti e metriche
Fondamenti Infrastrutturali e Operativi
Capacità di integrazione tra sistemi eterogenei, misurata attraverso l'adozione di standard condivisi, APIs documentate e protocolli di scambio dati.
Protezione da attacchi e malfunzionamenti tramite crittografia avanzata, differential privacy e protocolli di autenticazione.
Adattabilità a dimensioni e complessità crescenti, con performance stabili all'aumento di nodi, volumi dati e complessità dei modelli.
Efficienza, accuratezza e affidabilità tecnica, con architetture modulari e documentazione per sostenibilità nel lungo periodo.
Dinamiche di Valore e Sostenibilità
Investimenti iniziali e Total Cost of Ownership, inclusi costi di infrastruttura, sviluppo, integrazione, formazione e manutenzione.
Meccanismi di ripartizione dei benefici generati dall'AI distribuita tra diversi partecipanti, con modelli di compensazione equi.
Modelli di business e ROI per la viabilità economica a lungo termine, bilanciando costi operativi con benefici tangibili e intangibili.
Ottimizzazione nell'uso delle risorse sanitarie e effetti su processi e output, con focus sulla riduzione degli sprechi e appropriatezza.
Conformità e Responsabilità Normativa
Aderenza a leggi e regolamenti, inclusi GDPR, AI Act europeo, normative sanitarie nazionali e standard settoriali specifici.
Attribuzione di obblighi legali tra i diversi attori dell'ecosistema, con meccanismi contrattuali per gestire responsabilità condivise.
Protezione della privacy e autodeterminazione, con focus su consenso informato, diritto all'oblio e non discriminazione.
Flessibilità rispetto all'evoluzione legale, con strutture e architetture che possano adattarsi a cambiamenti normativi.
Valori e Principi Fondanti
Assenza di bias discriminatori nei modelli, con meccanismi di identificazione e mitigazione per bias emergenti nel contesto distribuito.
Comprensibilità dei processi decisionali algoritmici, con tecniche di explainable AI adattate al contesto distribuito.
Rispetto dell'autodeterminazione, mantenendo controllo umano sui processi decisionali e supportando il giudizio dei professionisti.
Massimizzazione dei benefici per pazienti e società, con valutazione continua degli impatti e costruzione di relazioni di fiducia.
Analisi delle dimensioni di valore e del potenziale trasformativo dell'AI distribuita nei sistemi sanitari
L'implementazione dell'AI distribuita in sanità impatta diverse dimensioni di valore, offrendo un potenziale trasformativo significativo rispetto allo stato attuale dei sistemi sanitari.
L'AI distribuita offre un potenziale significativo per bilanciare tutte le dimensioni di valore e garantire la sostenibilità a lungo termine, superando i trade-off tipici dei sistemi sanitari tradizionali.
Il framework visualizza le tensioni tra dimensioni, evidenziando potenziali conflitti e sinergie che richiedono un approccio di governance bilanciato
Tensione tra sicurezza ottimale e costi sostenibili
Tensione tra innovazione tecnica e compliance normativa
Tensione tra performance e trasparenza/spiegabilità
Tensione tra investimento in innovazione e ritorno economico
Tensione tra modelli di business e vincoli normativi
Tensione tra ottimizzazione costi ed equità nell'accesso
Tensione tra requisiti normativi e implementazione tecnica
Tensione tra requisiti di documentazione ed efficienza
Tensione tra conformità formale e responsabilità sostanziale
Tensione tra innovazione e principi morali fondamentali
Tensione tra valori morali e imperativo economico
Tensione tra principi morali e vincoli legali formali
Seleziona una tensione dalla matrice per visualizzare i dettagli
Descrizione dettagliata della tensione...
Applicazioni pratiche del framework a casi concreti di AI distribuita in sanità
Collaborazione tra ospedali per diagnosi precoce del cancro al polmone utilizzando federated learning su immagini TC, con dati sensibili mantenuti localmente.
Sistema distribuito per monitoraggio remoto di pazienti con malattie croniche attraverso dispositivi indossabili con AI edge e aggiornamento federato dei modelli.
Piattaforma di drug discovery basata su AI distribuita che integra dati genomici, farmacologici e clinici attraverso una rete di istituti di ricerca e ospedali.
Accedi a pubblicazioni, strumenti e materiali di riferimento per l'implementazione del framework
Paper completo con metodologia e risultati della ricerca
Analisi approfondita delle sfide di compliance nell'AI distribuita
Case study comparativo di implementazioni in diversi contesti
Riflessione sulle dimensioni morali dell'innovazione sanitaria
Strumento interattivo per valutare progetti di AI distribuita
Modello legale per partnership di federated learning in sanità
Strumento di verifica dei requisiti normativi europei per AI sanitaria
Metodologia per identificare e mitigare rischi etici nei progetti
22-23 Giugno 2025 • Online
Settembre-Novembre 2025 • Modalità ibrida
15-17 Ottobre 2025 • Roma, Italia
8 Luglio 2025 • Online
Bailey, D., Faraj, S., Hinds, P., von Krogh, G., & Leonardi, P. (2019). Special issue of Organization Science: Emerging technologies and organizing. Organization Science, 30(3), 642–646.
Birkstedt, T., Minkkinen, M., Tandon, A., & Mäntymäki, M. (2023). AI Governance: Themes, Knowledge Gaps and Future Agendas. Internet Research, 33(7), 133–167.
Buhmann, A., & Fieseler, C. (2023). Deep Learning Meets Deep Democracy: Deliberative Governance and Responsible Innovation in Artificial Intelligence. Business Ethics Quarterly, 33(1), 146–179.
Cohen, I. G., Gerke, S., & Kramer, D. B. (2022). Ethical and legal implications of remote monitoring of medical devices. New England Journal of Medicine, 386(19), 1831-1838.
Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1(1).
Jobin, A., Ienca, M., & Vayena, E. (2019). The Global Landscape of AI Ethics Guidelines. Nature Machine Intelligence, 1(9), 389–399.
Kairouz, P., McMahan, H. B., Avent, B., et al. (2021). Advances and open problems in federated learning. Foundations and Trends in Machine Learning, 14(1-2), 1-210.
Martin, K. (2019). Ethical Implications and Accountability of Algorithms. Journal of Business Ethics, 160, 835–850.
Morley, J., Floridi, L., Kinsey, L., & Elhalal, A. (2020). From what to how: an initial review of publicly available AI ethics tools, methods and research to translate principles into practices. Science and Engineering Ethics, 26(4), 2141-2168.
Rieke, N., Hancox, J., Li, W., et al. (2020). The future of digital health with federated learning. NPJ digital medicine, 3(1), 1-7.
Il nostro team multidisciplinare unisce competenze diverse per analizzare le complesse sfide dell'AI distribuita in ambito sanitario
Il progetto AI Distribuita e Governance Sanitaria nasce dalla collaborazione di ricercatori dell'Universitas Mercatorum con competenze complementari, uniti dall'obiettivo di sviluppare un framework olistico per navigare le complessità dell'AI distribuita nel settore sanitario.
La nostra ricerca, presentata alla XXII Conference of the Italian Chapter of AIS (ITAIS 2025), adotta una prospettiva multidisciplinare che integra considerazioni tecnologiche, economiche, giuridiche ed etiche in un modello analitico coerente.
Attraverso la Track T11 "Emerging Technologies and Organizational Culture", esploriamo come l'implementazione di tecnologie come federated learning ed edge computing si intrecci con le dimensioni normative, etiche, organizzative ed economiche, evidenziando le tensioni che emergono nell'incontro tra innovazione e contesti socio-organizzativi esistenti.
La XXII Conference of the Italian Chapter of AIS (ITAIS 2025) è un importante forum per ricercatori e professionisti nel campo dei sistemi informativi. La conferenza si terrà presso LIUC Business University e offre un'opportunità di scambio su tematiche all'avanguardia nell'intersezione tra tecnologia, organizzazione e società.
Visita il sito della conferenzaIl nostro framework si inserisce all'interno della Track T11, focalizzata sull'interazione tra tecnologie emergenti e cultura organizzativa. Questa track esplora come le innovazioni tecnologiche trasformino le strutture e i processi organizzativi, con particolare attenzione alle implicazioni culturali, sociali ed etiche.
Le tematiche includono l'impatto dell'AI distribuita sui processi decisionali, le trasformazioni nei modelli di governaance, e le sfide nella creazione di ecosistemi tecnologici sostenibili e responsabili.
Universitas Mercatorum
Esperto in Federated Learning, Edge Computing e Interoperabilità, con focus su sicurezza, scalabilità avanzata e resilienza dei sistemi distribuiti in ambito sanitario.
Universitas Mercatorum
Esperto in Applied AI, Digital Transformation e Interoperabilità, con focus su soluzioni tecnologiche innovative e analisi dei processi di digitalizzazione.
Universitas Mercatorum
Esperto in Digital Transformation, Blockchain e UX Designer, con focus su soluzioni tecnologie emergenti come la blockchain e di metodologie di UX design.
Universitas Mercatorum
Ricercatrice in Etica dell'AI e Bioetica, si concentra sull'analisi dei bias algoritmici e sulle questioni di autonomia decisionale nell'ambito sanitario.
Universitas Mercatorum
Ricercatore in Value Management ed Economia Sanitaria, focalizzato su analisi costi-benefici e sviluppo di modelli di sostenibilità economica per l'AI distribuita.
Universitas Mercatorum
Ricercatore in Diritto dell'AI, GDPR e Normativa Sanitaria, si occupa dell'analisi del quadro normativo e degli aspetti di compliance legale.
Universitas Mercatorum
Ricercatore in Diritto dell'AI, GDPR e Normativa Sanitaria, si occupa dell'analisi del quadro normativo e degli aspetti di compliance legale.
Sei interessato a collaborare con il nostro team di ricerca?
Contattaci