Intelligenza Artificiale: come le nuove tecnologie gestiscono i dati ed aiutano la diagnosi

L’introduzione di recenti ed innovative tecnologie nel campo della sanità è in grado di supportare il percorso diagnostico e gestionale dal paziente, ma in non pochi casi ha suscitato dubbi e domande, legate per la maggior parte al ruolo che hanno i dispositivi autonomi nel gestire le informazioni e nel prendere decisioni. In realtà, è ancora lontano (e non è detto che arriverà mai) il momento in cui ci troveremo ad interagire con un medico di chip e cavi, invece che in carne ed ossa.

Le applicazioni e le potenzialità dell’intelligenza artificiale in medicina sono enormi.
Si pensi per esempio alla quantità gigantesca di dati che un computer potrebbe analizzare in breve tempo, un compito complesso e lunghissimo per un professionista sanitario, ma di ordinaria amministrazione per una macchina che viene addestrata – tramite appositi training – a riconoscere, ad esempio, schemi ricorrenti di malattia, incrociando dati di analisi di laboratorio, esami strumentali e visite specialistiche. Non una sostituzione quindi dello specialista o del medico di base, ma un’integrazione ed un supporto, in grado di ridurre i costi anche del 50%.

Intelligenza Artificiale, il futuro è già qui

Fantasie? Utopia? In realtà l’IA in medicina è già presente. Il settore più ovvio è la gestione e l’elaborazione dei dati informatici, compito che ora viene svolto quasi esclusivamente da software che amministrano la storia clinica del paziente e la rendono immediatamente fruibile al bisogno, in qualsiasi ospedale in Italia e nella UE. Dal momento che i sistemi informatici high-throughput (ovvero altamente processivi) sono in grado di analizzare in breve tempo una mole enorme di dati, alcuni centri di cura hanno sperimentato algoritmi in grado di incrociare i dati e di predire con successo l’outcome di diverse malattie, ma anche di eseguire diagnosi più accurate: un algoritmo informatico sviluppato negli USA che analizza le risonanze magnetiche cerebrali è stato in grado di diagnosticare con successo l’81% dei casi di autismo, contro il 51% dei medici.

Non solo: risultati superiori a quelli umani sono stati ottenuti da sistemi di IA nella diagnosi di polmonite (a partire dalle radiografie) e di malattie cardiovascolari (sulla base di dati di laboratorio). Ancora per chi volesse approfondire, abbiamo Aritmia cardiaca: diagnosi scientifica con il deep learning 

Risultati meno efficaci, invece, sono stati ottenuti nell’analisi di patologie della pelle, di tumori cerebrali e di malattie dell’occhio. In questo caso, pur essendo stata l’IA più veloce nel giungere ad una conclusione, il risultato ottenuti dai medici umani hanno tenuto conto di test clinici ai quali la IA aveva conferito meno importanza. Stesso risultato nella conta dei parassiti della malaria al microscopio: il computer soddisfava i criteri minimi richiesti dall’OMS, ma un biologo esperto faceva di meglio.

Qual è il ruolo della IA nell’analisi dei test

Attualmente alcuni ospedali degli Stati Uniti stanno utilizzando un sistema di intelligenza artificiale addestrato a riconoscere una forma di retinopatia sulla base di alcuni pattern patologici rivelabili dall’esame della retina. Nel trial, il sistema di intelligenza artificiale è stato in grado di diagnosticare la retinopatia diabetica senza la supervisione del medico. La retinopatia diabetica è una patologia che colpisce milioni di cittadini ogni anno negli Stati Uniti e rappresenta una delle più gravi complicanze del diabete. Se non diagnosticata per tempo e non curata, porta alla cecità. Dato che al giorno d’oggi – complici le carenze del sistema sanitario – molti pazienti diabetici non sono adeguatamente controllati, il software potrebbe essere utile per valutare rapidamente ed immediatamente i sintomi di una eventuale retinopatia, rimandando all’attenzione del medico i casi ritenuti positivi.

I software di intelligenza artificiale attualmente sono utilizzati non solo per semplificare la gestione dei database e per screenare esami dei pazienti, ma anche per suggerire schemi di terapia sulla base dell’analisi e del contesto di dati biologici. Nei casi di tumore, alcuni software sono in grado di suggerire allo specialista opzioni terapeutiche basate su evidenze cliniche e sui dati della letteratura scientifica. Combinando tali dati con la cartella clinica del paziente e con altri dati forniti dal clinico, l’intelligenza artificiale individua il percorso di cura migliore per il paziente affetto da cancro, quello con la maggiore probabilità di guarigione.

L’aiuto dei sistemi di intelligenza artificiale nella diagnosi e nella terapia dei tumori è una realtà già in atto. Un esempio è un software impiegato in Cina in grado di rilevare il cancro all’esofago, uno dei più aggressivi e refrattari alle terapie, in uno stadio iniziale. Questo sistema di IA si basa sull’analisi dell’immagine dell’endoscopia esofagea: in meno di 4 secondi il computer riconosce la presenza di una forma tumorale, portando il tasso di rilevazione del cancro all’esofago da meno del 10% a più del 90%. Per fare ciò, i medici hanno dovuto “addestrare” il software, schedando centinaia di migliaia di immagini di endoscopie ed insegnando al computer a riconoscere le forme tumorali, anche a stadi molto iniziali.

Il training dei sistemi di Intelligenza Artificiale

I processi di diagnosi, cura e prevenzione sono oggi fortemente legati a termini quali medicina di precisione e medicina personalizzata. Per ottenere i risultati desiderati, la comunità medica e scientifica si rivolge sempre di più a sistemi automatici informatici in grado di fornire prestazioni simili a quelle dell’intelligenza umana. Secondo altre definizioni, l’intelligenza artificiale è in grado di percepire l’ambiente esterno e di intraprendere soluzioni che massimizzino le possibilità di successo.

In medicina, è di fondamentale importanza il training dei sistemi di intelligenza artificiale attraverso meccanismi di apprendimento del tipo deep learning. Queste tecniche consistono nell’apprendimento automatico a più livelli, nel quale ciò che la macchina impara nei primi livelli viene impiegato nei livelli successivi fino ad ottenere un dato ad elevata significatività. Alcuni studi pubblicati da università statunitensi hanno rivelato che tali algoritmi possono fornire risultati estremamente precisi (accuratezza superiore al 90%) riguardo alla diagnostica di malattie ed alle possibilità di sopravvivenza dei pazienti ospedalizzati, sulla base di parametri inseriti dall’uomo.

Un grande problema che è stato fatto notare nei confronti dei software di IA è l’interpretabilità. Molto spesso, i medici non sono in grado di ricostruire i processi che hanno portato il sistema a fornire il risultato, a causa dell’enorme complessità degli algoritmi utilizzati dal software, dei quali non sono totalmente chiari il funzionamento e le strategie deduttive. Sebbene sia chiaro che la medicina si stia addentrando sempre più nelle nuove tecnologie e grandi progressi siano stati fatti utilizzando i computer per la prevenzione, la diagnosi e la terapia, deve ancora passare del tempo prima che i sistemi di IA possano essere considerati totalmente comprensibili e quindi controllabili.

(Vedi anche: tumore alla prostata)