Vai al contenuto principale

Menù dei canali di comunicazione

Questa notizia è disponibile anche in ...
Attualità area Cittadino
Attualità area Stampa
Tutte le attualità

Il futuro della medicina: un patto fra “Intelligenze”

04/03/2016

Un articolo pubblicato recentemente su Jama ha voluto esplorare quelle che sono le potenzialità della intelligenza artificiale da applicare in particolar modo al mondo della salute, con un focus dedicato ad una delle sue più innovative capacità, quella dell’apprendimento automatico, meglio conosciuto in letteratura come “machine learning”.

Il termine è stato coniato per la prima volta nel 1950 da Arthur Samuel, un pioniere dell’Intelligenza Artificiale e padre proprio di questa disciplina, definita dallo stesso come il “campo di studio che dà ai computer l’abilità di apprendere (a realizzare un compito) senza essere esplicitamente programmati a farlo”.

L'espressione "intelligenza artificiale" fu coniata invece per la prima volta negli anni Cinquanta dallo scienziato cognitivo John McCarthy, che la definì "la scienza e la progettazione di macchine intelligenti" e ha lo scopo non di replicare l’intelligenza umana, obiettivo che per taluni è addirittura inammissibile, quanto quello di riprodurne o emularne alcune funzioni.

L’apprendimento automatico invece, avviene attraverso la realizzazione di sistemi e di algoritmi tesi a osservare e catturare le informazioni direttamente dai dati per la sintesi di nuova conoscenza senza assumere un'equazione predeterminata come modello.

I modelli di machine learning sono utilizzati in numerose applicazioni, come ad esempio in finanza computazionale, in biologia computazionale (rilevazione di tumori, identificazione farmacologica e sequenziazione del DNA), nella produzione di energia, nel processing automatico del linguaggio naturale, nel riconoscimento di immagini e suoni, nel marketing o per il suggerimento automatico.

La tematica è attualissima e dibattuta a livello internazionale. Basti pensare alla nuova analisi realizzata recentemente dalla Frost & Sullivan, azienda statunitense di consulenza per analisi e ricerche di mercato, intitolata “Artificial Intelligence & Cognitive Computing Systems in Healthcare”.

Il report rileva che il mercato dell’intelligenza artificiale nel settore sanitario ha prodotto entrate per 633,8 milioni di dollari nel 2014 e stima che questa cifra raggiungerà quota 6.662,2 miliardi di dollari nel 2021, con un tasso di crescita annuale composto (CAGR) del 40%.

 “I sistemi di intelligenza artificiale, che già rivestono un ruolo fondamentale in altri settori, sono destinati a trasformare il modo in cui pensiamo alla diagnosi e cura delle malattie, – afferma Harpreet Singh Buttar, analista di Frost & Sullivan. – Aumentando le competenze dei medici qualificati, i sistemi di intelligenza artificiale forniranno un livello aggiuntivo di supporto decisionale, in grado di aiutare a ridurre le sviste e gli errori nella somministrazione delle cure.

Il supporto clinico -  continuano gli analisti - offerto dai sistemi di intelligenza artificiale rafforzerà i processi di diagnostica per immagini in ambito medico. Inoltre, l’utilizzo di soluzioni di intelligenza artificiale nei flussi di lavoro migliorerà la somministrazione delle cure. Complessivamente, l’intelligenza artificiale ha il potenziale di migliorare gli esiti delle cure del 30-40%, riducendone allo stesso tempo i costi fino al 50%”.

Nello studio pubblicato su Jama, gli autori riportano in particolare alcune esperienze d’uso degli strumenti tecnologici legati all’apprendimento automatico ed evidenziano la necessità per il mondo sanitario di “sfruttare“ a pieno le potenzialità dei sistemi di intelligenza artificiale.

La diffusione ormai su larga scala di dispositivi mobili e l'adozione di tecnologie indossabili, ha aggiunto poi una nuova dimensione al machine learning, permettendo così il caricamento di grandi quantità di dati personali in algoritmi di apprendimento: basti pensare ad uno smartphone, non più solo come dispositivo biometrico ma anche come piattaforma da cui partire per interventi su misura basati su algoritmi, continuamente ottimizzati a fornire informazioni personali in tempo reale.

Tra gli esempi che gli autori citano, la creazione di uno specifico algoritmo basato sull’apprendimento automatico e costruito utilizzando alberi di decisione e strutture analitiche nidificate che ha permesso di  ridurre il numero di passaggi (precisamente da 29 a 8) necessari per la diagnosi dei Disturbi dello spettro autistico (ASD), con una precisione del 100% tra i 612 pazienti con ASD.
Un altro esempio è la possibilità che dispositivi indossabili migliorino la cura del diabete, registrando il livello di glucosio nel sangue attraverso un piccolo misuratore posto nella parte superiore del braccio. I dati vengono facilmente inviati allo smartphone del paziente e al controllo del medico curante. A questo proposito, uno studio ha dimostrato che un sensore del livello di glucosio associato a una pompa di insulina può ridurre l'ipoglicemia notturna.

Inoltre, la tecnologia mobile può anche estrarre modelli e significati dall'elaborazione della tracciatura del linguaggio quotidiano e dalla cosiddetta sentiment analysis. Per esempio, un telefono cellulare può riconoscere modelli di discorso associati al "disturbo del pensiero" semplicemente ascoltando la voce di una persona, identificando così l'inizio di un danno conoscitivo o di un episodio psicotico. Un algoritmo di apprendimento automatico ha rilevato trimestralmente e per due anni e mezzo dei campioni di discorso di 34 adolescenti ad alto rischio di psicosi, identificando con precisione assoluta i 5 individui che successivamente avrebbero sviluppato la psicosi, risultando così più accurato delle valutazioni cliniche.

Un ulteriore esempio che gli autori portano è quello legato alla depressione, e su come uno smartphone possa identificare pensieri negativi come ad esempio "le cose sono senza speranza" e preavvisare importanti episodi depressivi, individuando l'aumento della frequenza di queste espressioni, correlandole con la diminuzione di conversazioni con gli amici e lo stare rinchiusi a casa.
L'apprendimento automatico del linguaggio naturale può portare benefici non solamente alla cura dei singoli individui ma anche all’intera popolazione: ad esempio, un algoritmo che utilizza dati estratti da più di 5 milioni di messaggi Twitter ha predetto un focolaio epidemico di influenza con un’altissima precisione superando metodologie consolidate come l'analisi delle ricerche effettuate sul web, soprattutto perché si è rivelato in grado di filtrare correttamente i messaggi inviati dagli utenti che in realtà non avevano l'influenza.

La disponibilità di questi algoritmi e la capacità di gestire estesi gruppi di dati che in passato non potevano essere analizzati e interpretati per l'inadeguatezza degli strumenti di elaborazione esistenti, rappresentano quindi, secondo gli autori, nuove ed importanti prospettive di miglioramento nel processo di cura del singolo paziente assicurandogli l’indiscutibile valore aggiunto della intelligenza artificiale e degli altri sviluppi tecnologici disponibili.

Ma chiaramente una innovazione di questa portata non è esente da rischi.

I principali sono quelli connessi con una sempre più precisa rilevazione e registrazione dei dati personali raccolti nell'ambito della vita quotidiana che possono minare la tutela della riservatezza e rappresentare una potenziale falla per lo sfruttamento della vulnerabilità umana. Gli abusi di informazioni sulla salute umana potrebbero essere numerosi.

Proprio per questo motivo, è necessario un “bilanciamento” tra le due intelligenze: nel momento in cui l'apprendimento automatico diventa a tutti gli effetti pratica clinica, la medicina ha l'obbligo di garantire che questa tecnologia sia sfruttata per fini sociali in accordo con i principi etici della professione.

Una rigorosa validazione empirica delle nuove tecnologie rispetto ai risultati clinici non è esente dallo sforzo di creare quei nuovi approcci etici per affrontare i dilemmi emergenti inerenti all'uso delle tecnologie di apprendimento automatico nel promuovere la salute.

Anche l’Agenzia Italiana del Farmaco è interessata ed impegnata sul tema: in un settore come quello sanitario, nel quale la sfida per minimizzare l’inappropriatezza e garantire una rimborsabilità sostenibile a carico del Servizio Sanitario Nazionale (SSN) non è semplicemente importante ma addirittura vitale. Innovativi strumenti informatici permettono così ai pazienti di beneficiare della più appropriata terapia al momento disponibile e di rendere trasparente, oggettivo e tracciabile in qualsiasi momento il percorso che porta all’identificazione del farmaco da utilizzare.

Gli schemi innovativi di accesso ai farmaci che AIFA ha proposto e le nuove modalità di rilevazione dei Registri di monitoraggio sono un chiaro esempio virtuoso, riconosciuto anche a livello europeo nel discorso introduttivo del Ministro della Salute olandese, Edith Schippers, nell’ambito dell’evento “Innovation for the benefit of the patients”, organizzato in occasione del Semestre di Presidenza olandese del Consiglio dell’Unione Europea.

Per approfondimenti:

Note AIFA

Numero nota Farmaco in nota
Vai al contenuto principale Vai all'inizio della pagina