Medici vs Infermieri: cosa cercano davvero?
2.660 conversazioni con EMSy rivelano differenze sorprendenti tra i professionisti dell'emergenza
Quando abbiamo deciso di analizzare i dati del nostro primo prototipo, non sapevamo cosa aspettarci. Nove mesi di utilizzo, 46.000 messaggi, 2.660 conversazioni. Numeri che, tradotti in insight, raccontano una storia che non ci aspettavamo.
Il risultato? Gli infermieri e i medici del 118 fanno domande completamente diverse. Non è un'intuizione: è ciò che emerge chiaramente dai dati.
Chi ha usato EMSy
Tra febbraio e ottobre 2025, il prototipo di EMSy è stato utilizzato da professionisti dell'emergenza in modo spontaneo, senza campagne marketing. Di queste conversazioni, nonostante si trattasse di dati anonimi e non riconducibili, siamo riusciti a identificare il ruolo professionale in circa la metà dei casi:
- 698 medici (53% degli identificati)
- 532 infermieri (41%)
- 77 soccorritori/OTS (6%)
La crescita è stata organica: colleghi che parlavano con colleghi, link condivisi nei gruppi WhatsApp dei turni, passaparola tra equipaggi.
La scoperta: professioni diverse, domande diverse
Raggruppando le domande per categoria clinica, è emerso un pattern molto chiaro.
Gli infermieri cercano procedure
Per gli infermieri, il 41% delle domande riguarda procedure e protocolli operativi. Si tratta di quesiti pratici, spesso posti in contesti di lavoro reale e sotto pressione temporale:
- "Come diluisco la noradrenalina?"
- "Accesso intraosseo: quali sono i criteri?"
- "Nitroglicerina nel dolore toracico: sempre indicata?"
Per i medici, questa categoria rappresenta solo il 5% delle conversazioni.
I medici cercano comprensione e formazione
I medici tendono a utilizzare EMSy in modo diverso. Il 38% delle loro conversazioni rientra nella categoria Generale / Formazione: ragionamento clinico, quiz, discussione di casi, approfondimenti teorici.
Mostrano inoltre un interesse relativamente maggiore per alcune aree:
- Cardiocircolatorio (15% vs 11% degli infermieri)
- Ostetricia (4% vs 0.6%)
- Trauma (5% vs 2%)
I soccorritori: una posizione intermedia
Il campione dei soccorritori/OTS è più piccolo, ma il comportamento è coerente. Il loro utilizzo di EMSy si colloca a metà strada tra infermieri e medici, combinando richieste operative (21% procedure) e utilizzo formativo (34% quiz e formazione).
I numeri dietro la storia
Non ci siamo fermati alle percentuali, abbiamo voluto coinvolgere un professionista esterno al mondo sanitario, che potesse analizzare e validare in maniera il più oggettiva possibile i dati raccolti dal prototipo di EMSy. Ilia Khashei, studente del Politecnico di Torino che ha condotto l'analisi statistica, ha condotto una valutazione statistica rigorosa dei dati.
Metrica | Valore |
|---|---|
Chi-quadro | 287.54 |
Gradi di libertà | 18 |
P-value | < 0.001 |
Cramér's V | 0.332 |
In termini semplici, queste differenze sono estremamente improbabili da attribuire al caso. L’associazione tra ruolo professionale e tipo di domanda è statisticamente solida e consistente.
Distribuzione completa per professione
Categoria | Infermieri | Medici | OTS |
|---|---|---|---|
Procedure/Protocolli | 41.4% | 5.4% | 20.8% |
Generale/Quiz | 13.9% | 38.4% | 33.8% |
Varie/Altro | 18.0% | 17.5% | 23.4% |
Cardiocircolatorio | 10.7% | 14.6% | 3.9% |
Pediatrico | 5.6% | 6.0% | 2.6% |
Respiratorio | 4.7% | 6.2% | 6.5% |
Trauma | 2.3% | 4.9% | 3.9% |
Ostetricia | 0.6% | 4.0% | 2.6% |
Neurologico | 1.3% | 2.3% | 2.6% |
Psichiatria | 1.5% | 0.7% | 0.0% |
Cosa significa per la formazione
Questi risultati hanno implicazioni concrete per chi progetta strumenti di supporto clinico e programmi formativi nell’ambito dell’emergenza.
Gli infermieri hanno bisogno di supporto operativo immediato.
Le loro domande riflettono un ruolo fortemente “hands-on” in ambulanza: preparazione dei farmaci, gestione degli accessi, applicazione dei protocolli. Per loro, un’AI utile deve essere rapida, chiara e direttamente utilizzabile nella pratica.
I medici cercano apprendimento continuo.
Usano lo strumento per studiare, mettersi alla prova ed esplorare scenari clinici meno frequenti. In questo contesto, l’AI diventa non solo un riferimento, ma un vero companion formativo.
Il feedback silenzioso
Un altro dato interessante: solo il 7.5% degli utenti ha lasciato un voto esplicito (pollice su/giù). Ma tra chi l'ha fatto, il 97% è positivo (577 upvote vs 17 downvote).
Cosa significa? I professionisti sanitari, sotto pressione temporale, raramente si fermano a valutare. Ma quando lo fanno, il giudizio è chiaro.
Intervista a Ilia Khashei
Ilia Khashei, studente del Politecnico di Torino, ha condotto l’analisi dei dati che ha portato alla pubblicazione del preprint su medRxiv. Gli abbiamo chiesto di raccontarci cosa è emerso dal lavoro.
Come sei arrivato a lavorare su EMSy? Avevi già avuto esperienze nel mondo dell’emergenza sanitaria?
Sono arrivato a EMSy con un background in analisi dei dati e machine learning, senza un’esperienza clinica diretta. Mi ha interessato soprattutto la possibilità di studiare come un sistema di AI clinica venga realmente utilizzato al di fuori di contesti controllati. Lavorare su EMSy mi ha permesso di imparare molto sull’emergenza sanitaria attraverso i dati e grazie al confronto continuo con i clinici.
Analizzando i dati, c’è stato un momento in cui hai pensato “non me lo aspettavo”?
La sorpresa maggiore è stata la chiarezza con cui i pattern di utilizzo differivano in base al ruolo professionale. Mi aspettavo una certa variabilità, ma non differenze così nette e coerenti su migliaia di conversazioni. È stato uno di quei casi in cui i dati raccontano una storia molto forte da soli.
Uno dei risultati principali è che gli infermieri chiedono procedure nel 41% dei casi, mentre i medici solo nel 5%. Come interpreti questa differenza?
A mio avviso riflette la realtà del lavoro preospedaliero. Gli infermieri sono spesso responsabili dell’esecuzione pratica delle procedure e della preparazione dei trattamenti in tempo reale, quindi i loro bisogni informativi sono fortemente operativi. I medici, invece, sembrano utilizzare il sistema più per il ragionamento clinico, la formazione e l’esplorazione di scenari meno frequenti.
Avete lavorato su un sistema con logging molto limitato. Qual è stata la difficoltà principale?
La sfida maggiore è stata estrarre informazioni significative da dati incompleti e imperfetti. È stato necessario essere molto cauti nelle assunzioni, validare ogni passaggio dell’analisi e documentare chiaramente i limiti del sistema. Questi vincoli hanno influenzato l’intera metodologia.
Cosa ti porti a casa da questa esperienza?
Questo progetto ha confermato quanto i dati di utilizzo reale siano preziosi, anche quando sono “sporchi”. Ha inoltre evidenziato l’importanza della collaborazione interdisciplinare quando si lavora sull’AI in sanità: servono sia rigore tecnico sia competenza clinica per interpretare i risultati in modo responsabile.
Leggi il preprint completo
L'analisi completa è disponibile come preprint su medRxiv:
Il paper descrive la metodologia, i limiti dello studio, e le lezioni apprese per chi sta costruendo sistemi AI in ambito sanitario.
Conclusione
2.660 conversazioni ci hanno insegnato che non esiste "il professionista dell'emergenza" generico. Medici, infermieri e soccorritori hanno bisogni informativi diversi, e gli strumenti che costruiamo dovrebbero rifletterlo.
Questo lavoro rappresenta solo un primo passo. I dati provengono da un prototipo, con limiti evidenti. Abbiamo scelto di documentarli apertamente perché crediamo che la trasparenza sia un valore, soprattutto quando si costruiscono strumenti di AI per l’uso clinico.
