Perchè abbiamo creato Geen?
Ogni anno, persone e organizzazioni affrontano costi evitabili dovuti a scarsa accessibilità, discontinuità informativa e mancata integrazione tra domanda e offerta di servizi sanitari. Le persone faticano a individuare le professionalità adeguate ai propri bisogni, mentre enti pubblici e aziende non dispongono di strumenti efficaci per monitorare, ottimizzare e personalizzare gli interventi.
Geen nasce per rispondere a questa inefficienza strutturale: una piattaforma digitale che, tramite intelligenza artificiale, sistemi di triage, e un data hub proprietario, agevola l’incontro tra bisogni sanitari e competenze professionali, migliorando la qualità delle scelte, riducendo tempi e costi di accesso, e offrendo indicatori oggettivi per la programmazione sanitaria e il welfare aziendale.
Dati Human-Centered
Colmare i gap nei dati per costruire sistemi di salute più equi
Crediamo che i dati siano alla base per costruire un sistema di salute migliore per tutte le persone. Per questo adottiamo un approccio human-centered come scelta di architettura del dato. Progettiamo il nostro data model perché ogni informazione sia disaggregabile (sesso/genere, età, contesto socio-economico, etnia, territorio, ecc.) e collegata a linee guida, percorsi di cura e servizi reali. Usiamo knowledge graph e tassonomie cliniche per evitare che le differenze vengano “appiattite” in medie anonime: questo è il meccanismo con cui affrontiamo concretamente il gender data gap e altri gap strutturali nei dati sanitari. Ne parliamo anche sul nostro blog
AI etica
Guidare l’innovazione perché la tecnologia includa, non escluda
L’ AI di Geen è progettata “inclusion-by-design”: non parte da un modello generico e neutrale, ma da un motore di triage basato su GraphRAG che combina LLM, grafi di conoscenza e regole cliniche verificabili. Lavoriamo su tre livelli tecnici: qualità dei dati, architettura dei modelli (triage, routing, ranking) e strumenti di valutazione continua (audit trail, slicing per gruppi, metriche di appropriatezza). L’obiettivo è usare l’AI per ampliare l’accesso e ridurre le disuguaglianze, non per automatizzarle.