IA e salute: la medicina predittiva

By 10 agosto 2017News

Sentir parlare di intelligenza artificiale è praticamente all’ordine del giorno, ma quando si pensa all’AI applicata alla medicina, c’è chi si immagina i medici della fantascienza, come nei film.

Probabilmente non vedremo mai questi futuristici dottori, ma è vero che esistono già smart devices usati negli ospedali che possono dare un gran contributo in campo sanitario.

E’ quindi un dato di fatto che una rivoluzione digitale in medicina stia avvenendo: il modo di far ricerca è cambiato e le nuove tecnologie non possono che avere un impatto anche sulla clinica e sulla formazione dei medici.

Di esempi pratici ne esistono già a decine.

Uno studio pubblicato ad inizio aprile 2017 su Plus One (Stephen Weng et al.) – Can machine-learning improve cardiovascular risk prediction using routine clinical data? – è proposto sotto forma di interrogativo, ma quello che viene dimostrato è effettivamente l’efficienza dell’intelligenza artificiale nell’individuare i pazienti a rischio di malattie cardiovascolari, meglio dei dottori stessi.

Questa non deve essere intesa come una sconfitta, anzi! I dottori, l’uomo in generale, può ricavare enormi vantaggi da queste scoperte. Saranno infatti migliorate le performance ospedaliere in generale, incrementate le diagnosi precoci, sarà sostenuto chi vive situazioni patologiche croniche, in modo tale da poter migliorare la qualità di vita.

Ovviamente abbiamo davanti una strada tutta da percorrere, ma i primi passi sono già stati fatti.

Elena Bonfiglioli, alla guida dell’Health Industry business per Microsoft in Europa, Medio Oriente e Arica, sostiene che “fornire a ciascuno e a ogni organizzazione migliori soluzioni sanitarie richiede forti strategie. L’ecosistema dell’intelligenza artificiale va reso accessibile a tutti” e questo è ciò che si definisce democratizzazione dell’intelligenza artificiale nella salute.

Le tecnologie ad oggi disponibili dovrebbero quindi essere adottate su ampia scala ed è necessario fissare degli standard che siano condivisi dall’intera comunità scientifica. I progressi devono essere estesi a tutti, devono uscire dai laboratori ed è questa la direzione da seguire.

All’ospedale di Leeds per esempio, è stato possibile categorizzare e analizzare le informazioni trasmesse dai pazienti ai medici in linguaggio naturale e tracciare così delle dinamiche inedite grazie a meccanismi di machine reading, per cogliere sul nascere eventuali casi epidemici.

Un altro esempio è rappresentato dal visore HoloLens di Microsoft, che permette ai chirurghi di preparare e simulare l’operazione prima che avvenga, grazie alla possibilità di studiare l’anatomia in 3D.

O ancora, il Project Hanover, dedicato alla lotta contro il cancro, si basa su tre punti di forza:

  • il machine reading che analizza e filtra tutte le ricerche e i trattamenti proposti su un certo tipo di tumore, mettendo gli esiti a disposizione dei dottori;
  • l’analisi dell’immagine e la velocizzazione delle elaborazioni;
  • il redesign dello sviluppo cellulare per capire sempre meglio come intervenire.

Alla base di questi traguardi c’è ovviamente l’intelligenza artificiale e più nello specifico il machine learning. E’ proprio per questo infatti che i computer hanno acquisito l’abilità di imparare, estraendo dei pattern utilizzati poi per fare previsioni.

In medicina, tutto questo si traduce elaborando la grande massa di letteratura scientifica disponibile su una determinata malattia o su un intervento terapeutico per offrirla a medici e ricercatori in modo critico, facendo ipotesi di diagnosi e cura.

Il fine è quindi la clinica, i medici e i pazienti. Ma si parte ovviamente dalla ricerca, dall’università e dagli studenti. IBM ha scelto la Humanitas University come partner per testare la piattaforma Watson Cognitive Tutor: essa permette agli studenti di assistere, partendo da casi reali, a simulazioni, per esercitarsi nell’anamnesi e nella diagnosi in modo virtuale.

I grandi successi già raggiunti e una continua ricerca in quest’ambito potrà quindi portare a vantaggi di cui, forse, ora non ci rendiamo neanche conto. Certo è che il lato umano non potrà, almeno per un po’ di tempo, essere sostituito completamente. Il machine learning è in grado di analizzare enormi quantità di dati, cosa che il cervello umano non potrà mai fare. Ma sta poi a noi indirizzare le ipotesi prodotte dalle macchine e capire su quale strada proseguire in una determinata cura. Insomma, l’unicità del valore umano non può essere dimenticata, senza contare le implicazioni etiche e morali nel rapporto tra medico e paziente. E in questo una macchina non può certo sostituire l’uomo.

Il nostro sito utilizza cookies, prendine visione o accetta. Maggiori informazioni

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close