Settore sanitario · RAG, PostgreSQL, ricerca vettoriale, integrazione LLM
Assistente AI per la conoscenza dei partner di laboratorio in ambito sanitario
Un'azienda sanitaria di medie dimensioni aveva bisogno di un modo migliore per permettere a partner e specialisti formati di individuare i test di laboratorio più rilevanti in base a indicatori del paziente e contesto clinico. Ho contribuito a sviluppare un assistente basato su RAG, fondato interamente sulle informazioni di laboratorio proprietarie dell'azienda, progettato per un ambiente knowledge-heavy e sensibile alla fiducia, in cui velocità, chiarezza e accuratezza sono essenziali.
Sfida
Partner di laboratorio e specialisti medici formati dovevano orientarsi in documentazione complessa e proprietaria per identificare i test corretti a partire da un insieme di indicatori del paziente. L'approccio esistente richiedeva ricerche manuali in materiale di riferimento denso: lento, soggetto a errori e dipendente dall'esperienza individuale più che da un accesso affidabile e sistematico alla knowledge base aziendale.
Soluzione
Un assistente di conoscenza basato su RAG e fondato interamente sui dati di riferimento del laboratorio dell'azienda. Gli utenti interrogano il sistema in base al profilo sintomatologico o al contesto clinico e ricevono suggerimenti di test con fonti citate e verificabili, ognuno riconducibile alla documentazione sottostante. Nessuna allucinazione, nessun contenuto web generico: solo ciò che è supportato dalle informazioni di laboratorio dell'azienda. L'assistente è stato progettato per professionisti formati: propone opzioni e cita le fonti, ma lascia il giudizio clinico all'utente.
Approccio tecnico
Pipeline RAG completa costruita da zero: documenti suddivisi in chunk e tokenizzati, embedding generati e memorizzati in PostgreSQL con capacità di ricerca vettoriale, recupero semantico a ogni query, iniezione dei chunk rilevanti nel contesto dell'LLM e risposte ancorate con citazioni delle fonti. Ogni suggerimento è collegato al documento sorgente, così gli utenti formati possono verificare e fidarsi dell'output. Il sistema mantiene deliberatamente l'essere umano nel loop: accelera il supporto decisionale senza sostituire il giudizio professionale.
Impatto
Partner e specialisti possono ora identificare test di laboratorio pertinenti in pochi secondi invece che in minuti. Lo strumento riduce la dipendenza dall'esperienza individuale e fornisce un accesso coerente e verificabile alla knowledge base aziendale, migliorando sia la velocità sia la fiducia in un ambito in cui l'accuratezza ha conseguenze cliniche reali.
Perché è importante
Implementare l'AI nella sanità non è come implementarla in altri contesti. Questo progetto ha richiesto un pensiero attento su cosa significhi davvero un'adozione responsabile: fondare gli output su fonti autorevoli e proprietarie, rendere il ragionamento trasparente e verificabile e mantenere il giudizio umano al centro del workflow. Questa disciplina, cioè costruire un'AI di cui le organizzazioni possano realmente fidarsi, è ciò che rende possibile l'adozione in ambienti regolamentati e ad alta posta in gioco. È la stessa disciplina che conta quando si vende frontier AI su scala enterprise.