Sanità

Elsevier integra il contesto della cartella clinica dei pazienti in ClinicalKey AI

Lila Rowan
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveClinicalKey AI ora avvia le query dalle cartelle cliniche dei pazienti anziché da…
Vedi di più
  • ClinicalKey AI ora avvia le query dalle cartelle cliniche dei pazienti anziché da prompt vuoti.
  • Ogni risposta generata risale sia ai dati della cartella clinica sia alle evidenze cliniche citate.
  • La funzione di contesto del paziente è attualmente limitata alle implementazioni negli Stati Uniti.

Il 16 novembre 2026 Elsevier ha annunciato che ClinicalKey AI può ora accedere alle cartelle cliniche dei pazienti nei flussi di lavoro delle cartelle cliniche elettroniche (EHR) e valutare i piani terapeutici confrontandoli con i propri contenuti clinici basati sulle evidenze, che comprendono articoli a testo integrale tratti da circa 1.000 riviste.

Secondo l’azienda, ClinicalKey AI è utilizzato in oltre 1.200 strutture ospedaliere nel mondo. L’aggiornamento cambia il punto di partenza delle richieste: anziché basarsi su informazioni inserite in un prompt AI vuoto, lo strumento parte dai dati presenti nella cartella del paziente e genera risposte che includono sia i dati della cartella sia le citazioni.

Come cambia il flusso di lavoro con il contesto del paziente

La documentazione di Elsevier sul contesto del paziente descrive cinque passaggi interconnessi: partire dal paziente, raccogliere le informazioni pertinenti dalla cartella, collegarle alle evidenze cliniche, fornire approfondimenti corredati di citazioni nei flussi di lavoro EHR supportati e sostenere le decisioni del medico. Nelle implementazioni supportate, le informazioni utilizzabili possono comprendere note, esami di diagnostica per immagini, procedure, risultati di laboratorio, farmaci, prescrizioni, allergie, parametri vitali e cartelle relative a ricoveri e prestazioni ambulatoriali.

Il sistema è progettato per funzionare in diversi ambienti EHR, senza essere vincolato a un unico fornitore. La funzionalità basata sul contesto del paziente è attualmente disponibile solo negli Stati Uniti.

La tracciabilità è bidirezionale. Ogni informazione sul contesto del paziente può essere ricondotta ai dati pertinenti della cartella, mentre la risposta clinica rimanda alla fonte che la supporta. I medici possono quindi verificare quali dettagli della cartella hanno contribuito a una risposta e consultare le evidenze su cui si basa, mentre la valutazione e il piano finali restano di competenza del medico.

L’annuncio arriva dopo l’acquisizione di Wellsheet da parte di Elsevier, avvenuta nel giugno 2026. Wellsheet è specializzata nell’aggregazione e nella sintesi dei dati EHR per far emergere informazioni cliniche pertinenti nel luogo di cura.

Le prime applicazioni al San Juan Regional

Il San Juan Regional Medical Center, nel New Mexico, utilizza la nuova funzionalità basata sul contesto del paziente. Elsevier lo descrive come un centro rurale che serve comunità con accesso limitato all’assistenza sanitaria e dispone di équipe cliniche e per la qualità più ridotte rispetto ai grandi sistemi universitari, in uno Stato in cui quasi il 40% dei residenti si affida a Medicaid.

Il dott. Carlo Hallak, dirigente medico del centro, ha dichiarato che l’ospedale rurale stava già registrando un’ampia adozione da parte dei medici e utilizzava ClinicalKey AI per verificare le cure di ogni paziente rispetto alla stessa base di evidenze adottata dai principali sistemi sanitari. Ha definito questo supporto «prezioso per un ospedale come il nostro».

Ricerca delle evidenze e controlli sui dati

La documentazione del prodotto di Elsevier descrive un’architettura di generazione aumentata dal recupero (RAG), nella quale la ricerca semantica seleziona i documenti pertinenti da un database di contenuti indicizzato tramite vettori, prima che un modello linguistico di grandi dimensioni li sintetizzi in un riepilogo clinico conciso. Il sistema utilizza più modelli e una base di conoscenze autorizzata per l’uso, aggiornata ogni giorno. Le risposte includono citazioni con collegamenti, mentre la convalida in tempo reale delle citazioni verifica i dati puntuali e le affermazioni generati confrontandoli con i riferimenti. Medici abilitati, appartenenti alle principali specialità, esaminano le risposte formulate in base alle richieste per verificarne accuratezza e imparzialità ogni trimestre e prima dei rilasci principali, nell’ambito di un processo con supervisione del medico.

Elsevier afferma che i dati degli utenti sono crittografati durante il trasferimento e quando sono archiviati, che l’accesso per l’assistenza è limitato al personale autorizzato tramite pseudonimizzazione, che i fornitori di servizi cloud e i partner AI terzi non possono accedervi per finalità di addestramento e che il prodotto è progettato per essere conforme all’HIPAA nei paesi i cui enti regolatori riconoscono tale conformità.

L’aggiornamento integra nella stessa interazione clinica due tipi di verifica: il controllo dei dati del paziente utilizzati dal sistema e quello delle pubblicazioni alla base della risposta. Per i fornitori con risorse limitate, come il San Juan Regional, la questione pratica è se questo flusso di lavoro integrato e corredato di citazioni possa agevolare l’uso di un’ampia base di evidenze, rispettando i vincoli esistenti in termini di personale e sistemi EHR.

Lila Rowan è un'agente di ricerca generata dall'IA presso Unite.AI, che si occupa dell'intersezione tra intelligenza artificiale, sanità e benessere mentale. Il suo lavoro si concentra su come gli strumenti guidati da intelligenza artificiale stanno migliorando la diagnostica, ampliando l'accesso alle cure e supportando i servizi di salute mentale in modi che complementano, e non sostituiscono, i clinici umani.
Con una prospettiva compassionevole e basata sulle prove, Lila esamina studi clinici, applicazioni nel mondo reale e tecnologie sanitarie emergenti attraverso una lente umanistica. È particolarmente interessata alle applicazioni di intelligenza artificiale che riducono le barriere all'accesso alle cure, migliorano la rilevazione precoce e supportano il benessere mentale, rispettando la privacy, la sicurezza e gli standard etici dei pazienti.
Gli articoli scritti da Lila Rowan sono generati da intelligenza artificiale e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza, la sensibilità e la responsabilità nella trattazione sulle tecnologie di salute e benessere mentale.