L’intelligenza artificiale può aiutare a mettere a frutto i vasti dati sanitari della Nigeria?

Operatori sanitari nigeriani, personale di laboratorio, amministratori ospedalieri, funzionari governativi e gruppi di ricerca nazionali raccolgono dati su nascite, morti, vaccinazioni, malattie, cure, nutrizione e accesso ai servizi essenziali.

Il profilo dei sistemi e dei servizi sanitari della Nigeria del 2025, supportato dall’OMS, riporta che il District Health Information Software 2 della Nigeria raccoglie dati di routine da circa 38.500 strutture sanitarie, con un tasso di segnalazione del 92,3% nel 2023.

Ciò solleva una questione importante. I dati sono realmente accessibili e utilizzabili? Le informazioni possono esistere in un database ma rimanere facilmente non disponibili per i decisori. Potrebbe essere disponibile ma incompleto, completo ma obsoleto o tecnicamente accurato ma presentato in una forma che richiede competenza o tempo di cui non si dispone.

Perché i dati raccolti rimangono difficili da utilizzare

La sfida dell’informazione sanitaria in Nigeria sembra essere una rete di barriere interconnesse.
Il primo è la frammentazione. Le informazioni sanitarie sono distribuite attraverso piattaforme di reporting di routine, sondaggi, cartelle cliniche elettroniche, sistemi di laboratorio, registri di malattie e database specifici del programma. Alcuni programmi sulle malattie gestiscono sistemi paralleli, spesso riflettendo diversi requisiti di segnalazione e fonti di finanziamento. Quando i sistemi utilizzano formati incompatibili o non possono scambiare informazioni, produrre un quadro coerente diventa difficile.

Questa frammentazione è particolarmente significativa in un sistema federale. Le informazioni devono fluire tra strutture, aree governative locali, stati, istituzioni federali e partner di sviluppo. Le responsabilità possono sovrapporsi e gli standard e la capacità di attuazione variano. Il risultato può essere una duplicazione in alcune aree e lacune significative in altre.

La qualità dei dati rappresenta un’ulteriore sfida. Il profilo supportato dall’OMS evidenzia questioni quali la segnalazione incompleta da parte delle strutture pubbliche, la continua sottostima da parte dei fornitori privati ​​e l’implementazione limitata del DHIS2 a livello di struttura. Un elevato tasso di segnalazione nazionale non riflette necessariamente tutte le omissioni o incoerenze locali. Quando i dati di origine sono incompleti, anche la dashboard più avanzata offrirà inevitabilmente una rappresentazione incompleta della situazione reale.
I sistemi informativi sanitari richiedono computer funzionanti, connettività affidabile, archiviazione sicura, manutenzione del software e persone che possano gestirli. La stessa valutazione identifica il cronico sottofinanziamento e l’inadeguatezza delle infrastrutture tecnologiche di base dell’informazione e della comunicazione come vincoli sul sistema nigeriano.

C’è anche un problema di capacità umane; tuttavia, non si dovrebbe semplificare il concetto dicendo che in Nigeria mancano esperti. La Nigeria è dotata di professionisti sanitari, statistici, ricercatori, ingegneri e amministratori pubblici competenti.
La preoccupazione è che le istituzioni non dispongano costantemente di personale dedicato sufficiente per le cartelle cliniche e la gestione delle informazioni quando necessario. Inoltre, il personale attuale potrebbe non disporre di risorse, formazione o tempo adeguati per analizzare in modo efficace le informazioni che ha il compito di raccogliere.

Una sfida correlata è una cultura che dà priorità alla presentazione dei report rispetto all’utilizzo dei dati per migliorare le decisioni. I lavoratori in prima linea spesso dedicano molto tempo all’inserimento delle informazioni, ma ricevono pochi feedback sulle tendenze locali, sulle lacune dei servizi o su come i loro dati hanno modellato la politica e l’allocazione delle risorse.

Questi problemi sono ben noti. Il secondo piano strategico nazionale di sviluppo sanitario della Nigeria richiede istituzioni più forti, sistemi integrati, migliore qualità dei dati, maggiore interoperabilità e migliore capacità analitica. La loro persistenza suggerisce che la sfida centrale non è identificare soluzioni ma finanziarle, coordinarle e sostenerle.

Trasformare la raccolta in azione

Esistono esempi promettenti che dimostrano cosa si può ottenere attraverso una riprogettazione del processo informativo.

In un resoconto del 2025 del suo programma SMART+, l’UNICEF ha riferito che le tradizionali indagini nutrizionali cartacee in Nigeria potrebbero richiedere dai tre ai quattro mesi per produrre risultati. Tali ritardi hanno reso i risultati meno utili per una pianificazione urgente.

SMART+ ha introdotto un approccio digitale end-to-end alla raccolta, aggregazione, analisi e garanzia della qualità dei sondaggi. L’UNICEF ha riferito che il programma ha reso disponibili informazioni utili nel giro di circa due o tre settimane.

L’importanza di questo esempio non sta nel fatto che la carta sia stata sostituita dal software. Il processo di collegamento tra raccolta, garanzia della qualità, analisi e accesso è stato riconsiderato nel suo insieme. La tecnologia ha creato valore riducendo un ritardo operativo definito.

La Nigeria Health in Digital Initiative punta in una direzione simile. Secondo la Banca Mondiale, l’iniziativa mira ad affrontare la frammentazione dei dati sfruttando le cartelle cliniche elettroniche e i sistemi di scambio di dati per migliorare la condivisione delle informazioni e supportare le decisioni politiche. La digitalizzazione dovrebbe rendere le informazioni esistenti più facili da combinare, verificare e utilizzare.

Gli investimenti devono estendersi oltre l’acquisto di software. La Nigeria ha bisogno di standard sui dati applicati in modo coerente, di una migliore interoperabilità tra i sistemi autorizzati, di finanziamenti infrastrutturali sostenuti e di una chiara responsabilità per la governance dei dati. È inoltre necessario personale più formato per trasformare i dati in analisi utili a livello federale, statale e locale.

Gli operatori sanitari privati ​​devono essere inclusi. Una quota sostanziale dell’assistenza avviene al di fuori delle strutture governative e una rendicontazione incompleta rende inaffidabili sia i dati nazionali che quelli locali. Per migliorare la partecipazione saranno necessari processi pratici di reporting, aspettative chiare, un supporto adeguato e la fiducia che le informazioni sensibili saranno gestite in modo responsabile.

Ancora più importante, l’analisi dovrebbe avvantaggiare le strutture e le comunità che producono i dati. I manager dell’assistenza sanitaria primaria dovrebbero essere in grado di monitorare i cambiamenti nella domanda, segnalando le lacune, le disparità locali e le pressioni emergenti senza aspettare un rapporto annuale prodotto altrove.

Dove l’intelligenza artificiale può aiutare

L’intelligenza artificiale può aiutare, ma solo quando i sistemi di dati sottostanti funzionano correttamente.

Per la mia ricerca di master del 2025 presso l’Università Heriot-Watt, ho creato e valutato un sistema di intelligenza artificiale conversazionale che consentiva agli utenti di interrogare gli indicatori dell’Organizzazione mondiale della sanità in un linguaggio semplice. Ha combinato la generazione aumentata di recupero con un modello ottimizzato, rendendo i dati rilevanti più facili da trovare e interpretare senza richiedere agli utenti di navigare manualmente in set di dati complessi.

Quindici partecipanti, provenienti da contesti sanitari, di ricerca e legati alle politiche, hanno completato compiti decisionali in materia di sanità pubblica utilizzando sia il sistema conversazionale che metodi manuali. I partecipanti hanno valutato il sistema 4,47/5 per la facilità d’uso e 4,47/5 per aver reso le informazioni complesse più facili da comprendere. Ha ricevuto 4,27 per essere più veloce rispetto al metodo manuale, 4,40 per la soddisfazione complessiva e 4,53 per la disponibilità ad utilizzarlo in futuro. Le risposte sono state valutate positivamente anche per pertinenza, coerenza ed efficienza.

I risultati dimostrano un’opportunità pratica. I sistemi conversazionali possono ridurre le competenze e il tempo necessari per individuare indicatori, confrontare cifre e comprendere set di dati stabiliti. Possono aiutare a colmare il divario finale tra una risorsa tecnicamente disponibile e una risposta utilizzabile.

L’intelligenza artificiale è affidabile tanto quanto lo sono le informazioni che la supportano. Le cartelle cliniche mancanti, le definizioni contrastanti tra le istituzioni e i dati di origine imprecisi non possono essere risolti aggiungendo un modello in cima. Quando il sistema sottostante è frammentato o inaffidabile, l’intelligenza artificiale rischia di presentare conclusioni deboli con una fiducia ingiustificata.

Qualsiasi utilizzo dell’IA nella sanità pubblica dovrebbe attingere da fonti approvate, collegare i suoi risultati alle prove sottostanti e mostrare chiaramente dove esiste incertezza. I controlli di accesso sono particolarmente importanti per le informazioni a livello di paziente, mentre la responsabilità di interpretare i risultati e prendere decisioni conseguenti deve rimanere di professionisti qualificati.

L’obiettivo non è posizionare un chatbot in ogni database governativo. Si tratta di costruire sistemi informativi affidabili e quindi utilizzare strumenti attentamente valutati, inclusa l’intelligenza artificiale, per rendere tali sistemi più facili da navigare.

La tecnologia avanzata sarà utile solo se verranno gettate le basi. La Nigeria dovrebbe dare priorità alla qualità, all’interoperabilità, alla governance e al finanziamento dei propri sistemi di informazione sanitaria, investendo al contempo nelle persone che raccolgono, conservano e interpretano i dati. Un’analisi utile deve raggiungere anche i decisori a tutti i livelli. Una volta che queste basi saranno più forti, l’intelligenza artificiale potrà essere introdotta per affrontare problemi specifici nell’accesso o nell’interpretazione delle informazioni.

La Nigeria produce già grandi quantità di dati sanitari. La sfida ora è trasformarli in informazioni tempestive che portino a decisioni migliori e risultati sanitari migliori.

Foglio fonti editoriali

1. Profilo dei sistemi e dei servizi sanitari della Nigeria: informazioni sanitarie e sistemi informativi

Editore: Piattaforma dell’Osservatorio africano sulla salute, sostenuta dall’Ufficio regionale per l’Africa dell’Organizzazione mondiale della sanità
Anno di pubblicazione: 2025
Fonte: https://eprints.lse.ac.uk/128363/1/9789290314332-eng.pdf

Affermazioni:

DHIS2 riceve dati di routine da circa 38.500 strutture primarie e secondarie pubbliche e private.

Il tasso medio di segnalazione DHIS2 nel 2023 è stato del 92,3%.

La tempestività nel 2023 è stata dell’84,8%.

I sistemi di informazione sanitaria della Nigeria presentano una scarsa integrazione, dati incompleti sulle strutture pubbliche e una sottostima del settore privato.

Gli ostacoli identificati includono finanziamenti insufficienti, infrastrutture ICT inadeguate, capacità limitata, funzionari di registrazione dedicati insufficienti, scarso coordinamento e debole cultura dell’uso dei dati.

2. Secondo Piano Strategico Nazionale di Sviluppo Sanitario, 2018-2022

Editore: Governo federale della Nigeria
Fonte: https://extranet.who.int/cpcd/sites/default/files/public_file_repository/NGA_Nigeria_Second-National-Strategic-Health-Development-Plan_2018-2022.pdf

Affermazioni:

La Nigeria ha già individuato la necessità di istituzioni di informazione sanitaria più forti.

Il piano richiedeva archivi integrati, interoperabilità, garanzia della qualità dei dati e maggiore capacità di analizzare e utilizzare i dati sanitari.

L’obiettivo nazionale era fornire informazioni tempestive, appropriate e affidabili per un processo decisionale basato sull’evidenza.

3. SMART+: trasformare i sistemi di indagine per fornire soluzioni in tempo reale alla malnutrizione in Nigeria

Editore: UNICEF Nigeria
Data di pubblicazione: 7 febbraio 2025
Fonte: https://www.unicef.org/nigeria/stories/smart

Affermazioni:

Le tradizionali indagini nutrizionali cartacee potrebbero richiedere dai tre ai quattro mesi per produrre risultati.

I ritardi hanno reso i risultati meno utili per la pianificazione urgente.

SMART+ ha introdotto la raccolta, l’aggregazione, l’analisi e il controllo della qualità digitale.

Gli approfondimenti utilizzabili sono diventati disponibili entro circa due o tre settimane.

4. Nigeria Salute nell’iniziativa digitale

Editore: Banca Mondiale
Fonte: tre giganti diventano digitali: India, Indonesia e Nigeria condividono le conoscenze sulla digitalizzazione dei sistemi sanitari

Tre giganti diventano digitali: India, Indonesia e Nigeria condividono conoscenze su…
La tecnologia digitale sta trasformando i sistemi sanitari. Le soluzioni digitali e i dati svolgono un ruolo cruciale nel migliorare s…

Tre giganti diventano digitali: India, Indonesia e Nigeria condividono conoscenze su…
La tecnologia digitale sta trasformando i sistemi sanitari. Le soluzioni digitali e i dati svolgono un ruolo cruciale nel migliorare s…

Affermazioni:

L’iniziativa mira ad affrontare la significativa frammentazione dei dati sanitari.

Il suo approccio comprende cartelle cliniche elettroniche e sistemi di scambio di dati.

I suoi obiettivi includono il miglioramento della condivisione delle informazioni e il sostegno alle decisioni politiche basate sui dati.

La Banca Mondiale identifica la frammentazione, la qualità incoerente dei dati, le infrastrutture limitate e la capacità dei team come sfide condivise per la salute digitale.

5. IA conversazionale per il processo decisionale in sanità pubblica

Autore: John Olisemeke Uwaishe
Istituzione: Università Heriot-Watt
Data: agosto 2025

Affermazioni:
Sviluppo di un sistema conversazionale che utilizza la generazione aumentata di recupero e la messa a punto del modello.

Valutazione con 15 partecipanti provenienti da contesti sanitari, di ricerca e politici.

Facilità d’uso: 4,47/5.

Rendere i dati complessi più facili da comprendere: 4.47/5.

Più veloce del metodo manuale: 4.27/5.

Soddisfazione complessiva: 4,40/5.

Disponibilità a utilizzare il sistema in futuro: 4,53/5.

Valutazioni positive per pertinenza, coerenza ed efficienza dell’interazione.