L’intelligenza artificiale al servizio della sanità

Diagnostica, ricerca farmacologica, telemedicina, chirurgia: sono tanti gli ambiti in cui l’AI può far valere la sua forza tecnologica. Eppure, la sua adozione procede con lentezza, soprattutto per via di un intreccio di fattori tutt’altro che semplice da sciogliere

Nell’ambito dell’intelligenza artificiale e nel mondo della medicina, e della sanità più in generale, c’è un grande paradosso: in uno dei settori dove quella che da più parti viene considerata come la tecnologia del decennio ha le più elevate potenzialità di applicazione i tempi e i modi di adozione sono tra i più frenati e lenti in assoluto. Per un cocktail di ragioni: tecniche, certo, ma anche normative e culturali.

Entrando più nello specifico di questa difficile relazione in essere, risulta che il comparto in cui le applicazioni dell’AI in materia sanitaria registrano il maggiore impiego è senz’altro quello della diagnostica, come pure in quello che mette in primo piano la sua capacità di realizzare anamnesi mediche molto precise e dettagliate e, in quanto tali, in grado di condurre a una più facile individuazione di segnali o sintomatologie che si possono interfacciare e collegare alla storia clinica del paziente. 

Due altri aspetti importanti sono quelli della ricerca farmacologica e dalla telemedicina che, combinando l’intelligenza artificiale con i dispositivi indossabili permettono di fare un vero e proprio salto quantico, per esempio, nei processi di acquisizione da remoto dei valori dei parametri vitali.

Ma, ultimo non ultimo l’AI può far apprezzare il proprio valore anche nell’ambito degli interventi chirurgici, nella sua variante dell’automazione robotica applicata, che permette di effettuare operazioni con grande precisione anche a distanza.

Evoluzione decennale

Tutte queste assunzioni, assieme a molte altre sul rapporto tra AI e medicina e sanità, sono contenute in un report di recente pubblicazione a firma della Stanfod University, dal titolo One Hundred Year Study on Artificial Intelligence. 

Un aspetto molto approfondito dall’indagine è quello che riguarda la congiunzione tra due dei punti che abbiamo elencato in partenza, le norme e la cultura, alle quali possiamo aggiungere un altro aspetto fondamentale della medicina clinica, cioè quello che riguarda alcune caratteristiche del suo processo decisionale. In quanto basata sull’evidenza, la pratica medica richiede, infatti, trasparenza e possibilità di essere compresa e spiegata sotto un profilo medico con rigore, chiarezza e precisione.

Tutto ciò, riportato alla complessità dei modelli che stanno alle base delle tecniche di intelligenza artificiale non sempre è possibile, con la conseguenza di creare un gap di comprensione e, di conseguenza, anche di fiducia, sia tra il paziente e il medico, che tra quest’ultimo verso l’AI. 

Del resto non è un caso se, in tutto il mondo, gli organismi deputati siano al lavoro per perseguire la creazione di un’intelligenza cosiddetta “interpretabile”, proprio allo scopo di accrescere i livelli di fiducia nei suoi confronti, a tutti i livelli e per tutti i soggetti coinvolti.

Il problema nei dati

Un altro limite all’adozione dell’intelligenza artificiale in campo sanitario è rappresentato dai dati poiché, raramente, nel comparto, la loro raccolta e la loro gestione è complicata sia per via della scarsa disponibilità di piattaforme adeguate al loro trattamento avanzato, sia per via del fatto che molto spesso i sistemi di archiviazione e condivisione dei dati delle strutture sanitarie non sono interoperabili.

Senza contare che, anche in tutti quei casi in cui lo scambio è possibile, la circolazione può rivelarsi problematica per via delle norme sulla privacy e sulla protezione dei dati personali.

Le tecnologie collegate

Una delle modalità più diffuse nell’applicazione dell’intelligenza artificiale è quella che include il machine learning, cioè tutto ciò che ha a che fare con le tecniche di apprendimento automatico, che riguardano principalmente la medicina di precisione, e che si concretizzano nella capacità di prevedere, per esempio, quali protocolli di trattamento hanno la migliore probabilità di successo su un paziente in base ai dati disponibili relativi all’anamnesi, unitamente alle informazioni fornite dal paziente stesso e al contesto nel quale il trattamento si svolge.

Il valore di questi dati è insito nella loro capacità di individuare segnali, relazioni, modelli appunto, che permettano di arrivare a una diagnosi più precisa e più accurata possibile in uno scenario che unisce le prospettive della medicina di precisione con quelle della personalizzazione della cura.

L’efficacia delle tecniche di ML risulta amplificata se viene associata, per esempio, alle tecnologie di deep learning, l’apprendimento profondo (o approfondito), cioè quell’aspetto dell'intelligenza artificiale che si occupa di emulare le dinamiche di apprendimento che gli esseri umani utilizzano per acquisire determinati tipi di conoscenza. Può essere considerato anche come un modo per automatizzare l'analisi predittiva. 

Un altro strumento in grado di rendere l’ecosistema più efficiente è l’insieme dei modelli basati sulle reti neurali che permettano di selezionare e lavorare su “dati veloci” per i quali è necessario disporre di una capacità elaborativa immediata o in near-real-time e “dati lenti” che possono invece essere messi “a fattor comune” per generare un valore di conoscenza che non è necessariamente immediato.

Norme e cultura

In conclusione, quindi, nonostante nel settore della sanità l’AI avrebbe un coefficiente di utilità elevatissimo, l’approccio nei suoi confronti non è all’altezza di quello che si evidenzia in altri settori, manifatturiero, finanziario e dei servizi, in primis.

L’intervento primario e più urgente per arrivare a questo stato di cose è di carattere culturale, poiché c’è da oltrepassare l’ostacolo rappresentato dallo scetticismo e dalla difficoltà dei medici nell’accettare che l’intelligenza artificiale è uno strumento tanto affidabile quanto indispensabile, ed è, pertanto, fondamentale che questo principio venga acquisito con chiarezza già nel percorso formativo universitario.

L’altro aspetto di cruciale è quello normativo: qui la responsabilità del legislatore è di strutturare un inedito set di regole ad hoc, con un’impostazione orientata alla chiarezza e alla semplicità, impostando, al contempo, un’operazione di stimolo verso le istituzioni coinvolte per finanziare la ricerca del settore, e per promuovere la creazione di un mercato improntato sulla sana e libera concorrenza.

Senza dimenticare, infine, la creazione di un insieme di norme che possano salvaguardare la tutela della privacy e dei dati personali del paziente.

Potrebbe interessarti anche: