Ogni anno negli ospedali italiani accedono migliaia di donne che riportano traumi e disturbi apparentemente isolati: contusioni attribuite a cadute domestiche, dolore persistente senza cause evidenti, insonnia cronica o frequenti accessi urgenti per malesseri generici. Presi singolarmente, questi episodi possono sembrare eventi casuali. Osservati però nella loro evoluzione e confrontati con dati analoghi raccolti negli anni, emergono spesso schemi ricorrenti che, secondo la letteratura internazionale, precedono molti casi di violenza domestica e situazioni di rischio non denunciate.
Da questa constatazione nasce una nuova generazione di strumenti predittivi che applicano l’intelligenza artificiale all’analisi dei dati sanitari già raccolti a fini clinici. Non servono a “profilare”, né producono giudizi automatizzati: il loro ruolo è trasformare una grande quantità di materiale eterogeneo in indicatori statistici che aiutino i professionisti a riconoscere più rapidamente sequenze ricorrenti associate a situazioni di rischio.
Dall’analisi dei referti ai modelli predittivi
In Italia, il progetto più avanzato è ViDeS (Violence detection system), sviluppato a Torino dal Dipartimento universitario di Informatica con il sostegno della Fondazione CRT. ViDeS utilizza tecniche di analisi linguistica automatica per estrarre dai referti alcuni elementi chiave: descrizione del trauma, dinamica dichiarata, coerenza tra esito clinico e causa riportata, lessico utilizzato dal medico, ricorrenze di lesioni simili in tempi brevi. L’algoritmo analizza questi frammenti con approcci di natural language processing e li confronta con un insieme molto ampio di referti.
