A.L.I.C.E. — AI Laboratory for Infection Control and Epidemiology — è la piattaforma di antimicrobial stewardship in tempo reale della Terapia Intensiva dell’ASP di Siracusa. Il problema: i dati microbiologici esistono ma restano intrappolati in referti testuali. Prima di ALICE la revisione multidisciplinare di un singolo referto richiedeva circa 55 minuti; oggi ne servono 38 secondi. Il sistema acquisisce automaticamente da LIS ed EHR colture, antibiogrammi, valori MIC e terapie, ricostruisce la timeline infettiva e classifica MDR/XDR con motore deterministico EUCAST. Quattro agenti specializzati — microbiologo clinico, estrattore dati, epidemiologo, medico-legale — lavorano sotto un guardrail matematico: sotto la soglia di confidenza il sistema deve restituire un valore nullo. Non indovina mai una suscettibilità assente. Ogni dato porta con sé la riga sorgente da cui proviene. Tutto on-premise, con modelli open-weights: nessun referto lascia l’Azienda.
A.L.I.C.E.: 38 secondi per una terapia mirata
DESCRIZIONE DEL PROGETTO
OBIETTIVI DELLA SOLUZIONE
Rendere possibile la stewardship antimicrobica in tempo reale, che in terapia intensiva è oggi di fatto impraticabile per vincoli di tempo: anticipare la terapia mirata, intercettare i pattern di resistenza prima che diventino focolai, produrre la documentazione medico-legale che nessuno ha il tempo di scrivere.
Su 100 referti di terapia intensiva validati: precisione di estrazione 96%, recall 93%, errore di classificazione S/I/R sotto il 2%. Su 27 casi pilota i pattern MDR emergenti sono stati identificati con circa 18 ore di anticipo rispetto ai metodi convenzionali. Documentazione medico-legale generata in meno di 90 secondi per caso.
Destinatari. Pazienti critici in terapia intensiva: fragili per definizione, esposti a procedure invasive, immunosoppressione e pressione antibiotica prolungata. Intensivisti, infettivologi, microbiologi clinici, farmacisti e team di antimicrobial stewardship. Comitato Infezioni Ospedaliere e direzione sanitaria, per la sorveglianza.
Innovatività del progetto
Tre elementi di discontinuità.
Il primo è l’approccio zero-code: il clinico esprime il bisogno informativo in linguaggio naturale e il sistema si auto-configura tramite meta-prompting. Nessuna query, nessun codice, nessun ciclo di sviluppo tra il quesito clinico e la risposta.
Il secondo è il guardrail matematico, l’opposto di come si usa di solito un modello generativo. Un punteggio interno combina semantica, sintassi, contesto e distanza testuale; sotto la soglia il sistema non può produrre un valore. È una regola costituzionale: in microbiologia una suscettibilità inventata è più pericolosa di una mancante. Ogni dato incapsula la riga sorgente, l’estratto originale, la confidenza e il ragionamento clinico.
Il terzo è la scelta on-premise con modelli open-weights. In un dominio in cui i dati sono particolari ex art. 9 GDPR e il caso d’uso ricade nell’Allegato III dell’AI Act, non inviare nulla a cloud commerciali è una scelta architetturale, non una limitazione.
Replicabilità/Trasferibilità del progetto
La trasferibilità è tecnica e metodologica insieme.
Sul piano tecnico ALICE non dipende dal LIS specifico: converte i referti in uno schema semantico intermedio che disaccoppia l’estrazione dal formato sorgente. Le condizioni abilitanti sono un LIS interrogabile, un EHR con le terapie in corso e hardware sufficiente a ospitare un modello open-weights on-premise.
Sul piano metodologico, il guardrail a soglia con obbligo di valore nullo è un pattern generale, applicabile a qualsiasi estrazione clinica in cui l’errore silenzioso costa più della lacuna dichiarata.
La validazione esterna è già stata condotta fuori dal perimetro aziendale: su referti complessi del database pubblico MIMIC-IV il sistema ha registrato precision 0,988, recall 0,945 e un tasso di allucinazione inferiore allo 0,1%, contro il 16,4% di un modello generativo standard. È un benchmark su dati terzi e va letto come tale: dimostra che il metodo regge anche fuori casa.
Contributo al sistema sanitario
L’antibiotico-resistenza è il caso di scuola di un problema che nessuna struttura risolve da sola: i dati servono aggregati, i pattern attraversano i confini aziendali e le scelte terapeutiche di una terapia intensiva ricadono sull’intero ecosistema.
ALICE è progettata per questo. Gli indicatori che produce — indice di carico infettivo, indice di pressione microbica, rilevazione di focolai su finestra scorrevole di 14 giorni con alert a tre casi della stessa specie — sono interoperabili con le reti di sorveglianza WHONET e GLASS: parlano il linguaggio della sorveglianza nazionale e internazionale, non un formato locale.
Il progetto è sviluppato interamente in-house e on-premise, senza vendor: l’ASP possiede il metodo e può cederlo ad altre aziende pubbliche senza licenze da negoziare.
Il progetto è stato candidato all’Innovation Hub 2026 dell’International Hospital Federation ed è portato nelle reti FIASO, AIIC e ASSD di cui l’Azienda è parte.
