L’intelligenza artificiale (IA) mira a imitare le funzioni cognitive umane e sta portando un cambiamento di paradigma nel settore sanitario. Grazie all’intelligenza artificiale sarà possibile diagnosticare una malattia, per esempio, in seguito alla crescente disponibilità di informazioni e al rapido progresso delle tecniche di analisi.
L’IA può essere applicata a vari tipi di dati sanitari (strutturati e non strutturati). Le tecniche più diffuse includono metodi di apprendimento automatico per dati strutturati e il moderno “deep learning”, nonché l’elaborazione del linguaggio naturale per i dati non strutturati.
Analisi dei big data
I sistemi di intelligenza artificiale, visione artificiale e machine learning hanno dimostrato che nelle analisi dei big data le macchine sono più efficaci e più veloci degli umani. Oggi, le organizzazioni dispongono di serie di dati di grandi dimensioni e di informazioni sulle malattie attraverso tecniche come gli studi di associazione genome-wide (in inglese Genome Wide Association Study o GWAS). Utilizzando l’IA, gli operatori sanitari possono analizzare e interpretare i dati del paziente in modo più preciso per una diagnosi precoce e un trattamento migliore.
È possibile comprendere se una persona possa sviluppare il cancro a partire da un selfie, usando la visione artificiale e l’apprendimento automatico per rilevare i livelli aumentati di bilirubina nella sclera di tale persona.
Non solo. Nell’ultimo anno, i ricercatori hanno sviluppato sistemi informatici in grado di diagnosticare la retinopatia diabetica, il cancro della pelle e le aritmie comportandosi nello stesso modo dei medici umani.
Individuazione della retinopatia diabetica
Riguardo la diagnosi vera e propria, la procedura per l’individuazione della retinopatia diabetica messa a punto da Google è un esempio eclatante: addestrata a riconoscere i vasi sanguigni fragili della parte posteriore dell’occhio negli individui affetti da diabete mal controllato, l’IA è oggi impiegata su vasta scala in diversi ospedali indiani.
Rilevatore di tumori della pelle
Il primo utilizzo dell’intelligenza artificiale è, però, all’interno di attività di routine e può essere applicato dove sono necessarie attrezzature specializzate per fare una diagnosi. Per esempio, tramite l’IA si può prendere un appuntamento per un esame o ricevere un esito. Nonostante il report sarà scritto da un computer, l’esperienza del paziente sarà la stessa rispetto a quando ha a che fare con personale umano.
Il secondo modo di interagire con l’IA medica è più radicale, poiché molti compiti diagnostici non necessitano di attrezzature speciali. Un team dell’università di Stanford ha creato un rilevatore di tumori della pelle, accurato come i dermatologi possono essere, e sta già lavorando su un’app per smartphone. Entro breve, le persone potranno farsi delle fotografie della propria cute da usare per far analizzare eventuali imperfezioni.
L’elettrocardiogramma attraverso dei sensori indossabili
Il terzo metodo di interazione si pone a metà strada fra i primi due. Mentre rileva i ritmi cardiaci, l’IA richiede un elettrocardiogramma attraverso sensori che possono essere incorporati in una tecnologia indossabile e collegati a uno smartphone.
Questo permette a un paziente di indossare un sistema di monitoraggio ogni giorno senza che risulti invasivo, di registrare ogni battito cardiaco e di consultare il proprio medico solo occasionalmente per rivedere i risultati. Se si verifica qualcosa di grave e il ritmo cambia improvvisamente, il paziente e il suo medico potrebbero essere immediatamente informati.
Tali sistemi sono incredibilmente economici da gestire e ogni diagnosi costa una frazione di centesimo. L’intelligenza artificiale medica potrebbe portare a cure sanitarie più accessibili.
Lo stato della ricerca sulle patologie tra le maggiori cause di morte
Nonostante la letteratura relativa all’IA sia sempre più ricca in campo sanitario, la ricerca si concentra principalmente su alcuni tipi di patologie: cancro, malattie del sistema nervoso e malattie cardiovascolari.
Ecco qualche esempio: in tema di prevenzione del cancro, attraverso uno studio di validazione, BS Somashekhar del Cancer Center Manipal Hospital di Bangalore ha dimostrato che per l’oncologia IBM Watson sarebbe un sistema di IA affidabile per l’assistenza alla diagnosi del cancro. Andre Esteva dell’Università di Standford ha invece utilizzato l’IA per analizzare immagini cliniche con lo scopo di identificare sottotipi di cancro della pelle.
In ambito neurologico, il gruppo di ricercatori del Battelle Memorial Institute dell’Ohio che fa capo a Chad Bouton ha sviluppato un sistema di IA per ripristinare il controllo del movimento nei pazienti con quadriplegia. Dal canto suo, Dario Farina dell’Imperial College di Londra ha testato la potenza di un’interfaccia uomo/macchina offline che utilizza i tempi di scarica dei motoneuroni spinali per controllare le protesi degli arti superiori.
Steven Dilsizian ed Eliot Siegel dell’Università del Maryland si sono occupati invece di cardiologia e hanno indirizzato le ricerche verso la potenziale applicazione del sistema di IA per diagnosticare la cardiopatia attraverso l’immagine cardiaca. La società Arterys ha recentemente ricevuto l’autorizzazione dalla Food and Drug Administration (FDA) statunitense per commercializzare la sua applicazione Arterys Cardio DL, che utilizza l’intelligenza artificiale per fornire segmentazioni del ventricolo modificabili e automatizzate basate su immagini da risonanza magnetica cardiache convenzionali.
L’interesse verso queste tre tipologie di malattie non è casuale: sono tutte e tre tra le principali cause di morte. Pertanto, le diagnosi precoci sono fondamentali per prevenire il deterioramento dello stato di salute dei pazienti. Inoltre, le diagnosi precoci possono essere ottenute potenzialmente migliorando le procedure di analisi su imaging, genetica, EP o EMR (Electronic Medical Record), che è la forza del sistema di intelligenza artificiale.
Oltre alle tre predette patologie, l’IA è stata applicata anche ad altre malattie. Due esempi molto recenti arrivano dagli studi di Long, che ha analizzato i dati delle immagini oculari per diagnosticare la malattia congenita della cataratta, e di Gulshan, che ha rilevato la retinopatia diabetica riferibile attraverso le fotografie del fundus retinico.
