INTELLIGENZA ARTIFICIALE E COMBINAZIONE DEI DATI

Mi capita spesso di riflettere sugli effetti che l’intelligenza artificiale sta avendo sulla nostra vita e su come, nel corso degli ultimi anni, la tecnologia stia evolvendo a un ritmo quasi mai visto prima. Lavorando come data scientist in Netpolaris, software house che ha sviluppato la cartella clinica elettronica innovativa The.0, sono portato a chiedermi come il mio lavoro possa influire sulla vita delle persone che utilizzano tale strumento e sui loro pazienti. Per cercare una risposta a queste domande, è impossibile non notare come l’intelligenza artificiale abbia già profondamente cambiato il modo in cui io stesso interagisco con la tecnologia. Molte delle mie azioni quotidiane prevedono la relazione con algoritmi più o meno sofisticati, che, basandosi sulle mie abitudini e sui miei interessi, cercano di suggerirmi prodotti nuovi e intriganti da poter “consumare”. Esempi di questa interazione sono i modelli che stabiliscono quali post potrebbero piacermi sui social network oppure quali sono i film o le serie tv che potrei apprezzare maggiormente.

È poi evidente come vi sia una richiesta sempre maggiore di auto dotate di sistemi a guida autonoma, in cui le immagini e i segnali catturati dai sensori presenti sul veicolo vengono costantemente elaborati da reti neurali che determinano il comportamento del mezzo. Tutti, inoltre, ci accorgiamo di come le nostre case si stiano riempiendo di oggetti perennemente connessi e in grado di interagire tra di loro per semplificare compiti spesso ripetitivi. Sono diversi i settori che stanno beneficiando degli impulsi generati dalla diffusione e dall’utilizzo di modelli di AI, tuttavia è la sanità l’ambito in cui ritengo si debbano impiegare più risorse. 

Questo settore ha un ruolo fondamentale nella vita umana e penso che qualsiasi innovazione che possa rendere la medicina più efficace, migliorare le condizioni di vita e aiutare ad aumentare il benessere delle persone, debba essere assolutamente perseguita. 

Ogni giorno si producono enormi quantità di dati sanitari che rappresentano una fonte di informazione inestimabile: se utilizzati correttamente questi dati ci permetterebbero di costruire modelli di AI accurati e precisi da utilizzare per diagnosticare malattie, prevedere condizioni cliniche o monitorare l’andamento di patologie già definite. Un utilizzo corretto ed efficace dell’intelligenza artificiale in ambito sociosanitario può realmente rivoluzionare il lavoro del personale sanitario, alleggerendo il carico di lavoro sollevando le persone da compiti spesso ripetitivi e noiosi, riducendo le tempistiche delle attività da svolgere e permettendo ai professionisti di dedicare maggiori sforzi ed energie alla cura dei pazienti, non soltanto da un punto di vista medico, ma anche emotivo e psicologico. Gli algoritmi di intelligenza artificiale possono e devono diventare imprescindibili per supportare le decisioni del personale sanitario e per accrescere la qualità del servizio fornito abbattendo i costi.  

Ma quali sono gli effetti che i modelli di AI avranno sulla medicina?

Quali saranno i cambiamenti nei ruoli dei sanitari?

La classificazione delle immagini è uno degli ambiti in cui i modelli di intelligenza artificiale hanno avuto un ampio sviluppo: sfruttando, infatti, reti neurali sempre più complesse è stato possibile raggiungere risultati inimmaginabili. Queste tecniche in medicina possono essere applicate all’analisi di immagini prodotte da radiografie, tac o risonanze magnetiche. 

In questo panorama si stanno sviluppando strumenti in grado di diagnosticare con elevata precisione alcune patologie a partire dalle immagini disponibili. Tra questi troviamo modelli in grado di riconoscere mutazioni critiche delle cellule tumorali oppure modelli approvati dalla FDA per la diagnosi di ictus a partire dai risultati delle TAC alla testa. I vantaggi di questi strumenti sono la disponibilità costante, l’efficienza, il costo relativamente basso, la manutenibilità e la grande precisione. Un numero sempre maggiore di cliniche e ospedali si stanno dotando di modelli in grado di diagnosticare, prevedere e monitorare l’insorgenza di alcune specifiche malattie a partire dalle scansioni effettuate. In futuro gli algoritmi per l’analisi delle immagini verranno utilizzati su ogni scansione al fine di proporre una prima classificazione e diagnosi, ma spetterà sempre al sanitario preposto la responsabilità di agire nelle situazioni in cui è richiesta una valutazione olistica della situazione. L’utilizzo sempre più diffuso di cartelle cliniche elettroniche ha permesso di organizzare i dati in formato digitale, di rendere fruibili le informazioni sanitarie ai pazienti in modo semplice e veloce, di snellire e organizzare con più semplicità ed efficienza i processi di cliniche e ospedali, ma la raccolta di tutti questi dati ha portato un sovraccarico di lavoro per i professionisti che devono impegnare molto tempo in compiti prevalentemente burocratici, anziché dedicarsi interamente allo stato di salute del paziente.

Sfruttando sintetizzatori o assistenti vocali, attraverso l’integrazione di algoritmi di NLP (Natural Language Processing) è possibile agevolare il processo di inserimento dei referti all’interno delle cartelle cliniche elettroniche, aumentando la quantità di dati a disposizione dell’utente e del personale sanitario stesso. Inoltre algoritmi di Deep Learning sono in grado di analizzare e comprendere il linguaggio umano favorendo una migliore interazione tra specialista e paziente. Questi strumenti garantiscono non solo una velocizzazione del processo, ma attraverso la comprensione del testo, rendono possibile l’estrazione di informazioni utilizzabili rapidamente anche in altri contesti. In futuro algoritmi sempre più complessi diventeranno capaci di predire, analizzare e monitorare la situazione clinica dei pazienti in modo continuativo e costante, permettendo di ridurre i costi, facilitare le diagnosi, aumentare la qualità di vita delle persone e del servizio sanitario in generale. Il personale medico dovrà imparare a collaborare con questi nuovi strumenti al fine di trarne vantaggio, per ridurre il carico di lavoro e poter tornare a concentrarsi sulla cura dei pazienti sotto ogni aspetto.

Credo che chiunque abbia le capacità per costruire questo tipo di tecnologie debba impegnarsi a creare modelli sempre più precisi e accurati a supporto del lavoro dei professionisti. Il miglior scenario possibile si potrà ottenere solo se entrambi i mondi trarranno il meglio di ognuno, da un parte i modelli dovranno garantire affidabilità, velocità e precisione, dall’altra i professionisti saranno chiamati all’empatia, al problem solving e all’interpretazione dei suggerimenti per potersi prendere sempre più cura dei pazienti.