L’Intelligenza Artificiale, comunemente conosciuta con il suo acronimo IA o in quello inglese AI (Artificial Intelligence) è ormai largamente impiegata in vari aspetti della nostra vita quotidiana.
In Italia il mercato dell’Intelligenza Artificiale non è ancora esploso come in altri paesi, ma nell’ultimo decennio ha avuto un costante e progressivo sviluppo.
L’IA ha trovato applicazioni in moltissimi campi e vi sono alcuni ambiti in cui emerge più che chiaramente come rappresenti un’opportunità per raggiungere livelli che solo qualche anno fa erano impensabili anche nell’area Healthcare.
Cosa si intende per Intelligenza Artificiale e Machine Learning
In generale si ricorre a questa definizione per descrivere l’uso di algoritmi e software di apprendimento automatico (Machine Learning), o intelligenza artificiale (AI), per imitare la cognizione umana nell’analisi, nella comprensione e nella presentazione di dati medici e sanitari complessi.
L’Intelligenza Artificiale è dunque una branca della scienza dell’informazione che studia la progettazione e la realizzazione di sistemi hardware/software in grado di dotare le macchine di determinate caratteristiche che vengono considerate tipicamente umane.
Parliamo, ad esempio, di processi decisionali, o di percezioni visive, spaziali o temporali che, pur essendo tipicamente umane, possono essere ricondotte a particolari processi che le macchine possono riprodurre. In sostanza, l’IA rivoluziona il modo con cui l’uomo interagisce con la macchina, limitandosi a fornirle quelle informazioni di base che le permettono di svolgere attività, ma soprattutto di ragionare, secondo le caratteristiche proprie di un essere umano.
Un esempio tipico è quello delle auto a guida autonoma, cioè senza conducente. In questo caso un insieme di sensori consente alla macchina di “vedere” cosa le sta intorno, e di prendere le decisioni conseguenti. Ma come possiamo far sì che una macchina sia in grado di “prendere delle decisioni”? Semplicemente – in realtà, non tanto semplicemente – dotandola di sistemi hardware/software tali da consentirle di approcciare i problemi sulla base di alberi di decisione, cioè di grafi matematici che, a partire da certe condizioni iniziali, le consentano di valutare, per ogni azione, i suoi possibili effetti, e di fare di conseguenza le scelte più convenienti.
Il Machine Learning è invece un ramo dell’IA nel quale si realizzano sistemi hardware/software in grado non solo di prendere delle decisioni, ma anche di imparare automaticamente e progressivamente, consentendo alla macchina di migliorare nel tempo i suoi processi decisionali. Un esempio semplicissimo, che quotidianamente abbiamo sotto gli occhi. Se ieri abbiamo acquistato on-line del vino, nelle pubblicità che ci arriveranno nei giorni successivi la macchina avrà “imparato” a suggerirci siti di vendita di vini on-line, e se poi visitassimo pagine su un particolare tipo di vino, quello stesso ci verrebbe poi riproposto con maggior frequenza. In sostanza, la macchina ha imparato che ci piace il vino, e poi quale tipo di vino preferiamo. I suoi algoritmi, in un certo senso, appaiono in grado di imparare dall’esperienza, riproducendo così un comportamento tipico di un venditore umano.
Quali possono essere le possibili applicazioni in sanità di modelli previsionali basati sull’Intelligenza Artificiale e sul Machine Learning?
Ovviamente sono moltissime, ma l’obiettivo principale delle applicazioni di IA relative alla salute è analizzare le relazioni tra le tecniche cliniche e gli esiti dei pazienti. Soluzioni basate sull’intelligenza artificiale vengono applicati a pratiche quali la diagnostica, lo sviluppo di protocolli di trattamento, lo sviluppo di farmaci, la medicina personalizzata e il monitoraggio e la cura dei pazienti. Ciò che differenzia la tecnologia dell’IA dalle tecnologie tradizionali nel settore sanitario è la capacità di raccogliere ed elaborare grandi quantità di dati (Big Data), producendo un output ben definito e fornendo anche indicazioni su base predittiva rispetto alle possibili decisioni da assumere.
Nel settore sanitario, i ritardi possono fare la differenza tra la vita e la morte e, grazie agli algoritmi di IA capaci di elaborare una grande quantità di dati in tempi molto ridotti, si riesce a supportare i team di assistenza a reagire più rapidamente fornendo opzioni diagnostiche e terapeutiche più rapide, riuscendo, in definitiva, a salvare più vite umane.
l’IA viene ad esempio anche utilizzata negli screening, nei test diagnostici e nelle analisi del sangue per l’individuazione di patologie oncologiche. In tale ambito, implementando l’IA durante gli screening generali, si mira a rilevare il cancro nelle fasi di esordio e successivamente a sviluppare trattamenti personalizzati.
Un altro esempio pratico nell’implementazione dell’IA nel settore sanitario, sono i robot chirurgici, inizialmente approvati negli Stati Uniti nel 2000, forniscono “superpoteri” ai chirurghi, migliorando la loro capacità di vedere, creare incisioni precise e minimamente invasive, suturare ferite e così via. Tuttavia, decisioni importanti sono e saranno sempre prese dai chirurghi umani. Le procedure chirurgiche comuni che utilizzano la chirurgia robotica includono la chirurgia ginecologica, la chirurgia della prostata e la chirurgia della testa e del collo.
Oltre agli esempi sopra richiamati, su tutti vi è un utilizzo determinante dell’IA sui temi della stratificazione dei cittadini per profili di rischio, sul suo incrocio con i bisogni sociosanitari di ciascun profilo per arrivare ai Progetti Individuali di Salute (PrIS), e sull’uso dei modelli predittivi per la programmazione sociosanitaria.
In tale ambito che l’IA può infatti dare un contributo fondamentale e, senza entrare in troppi dettagli tecnici, in questa sede possiamo dire che il processo di stratificazione coinvolge, per ogni Organizzazione Sanitaria, centinaia di migliaia di soggetti, ciascuno con la propria storia sociosanitaria (si badi bene che il processo di stratificazione richiede la valutazione non solo delle condizioni cliniche, ma anche di quelle sociali di ciascun soggetto).
Ogni storia sociosanitaria è fatta a sua volta di una notevole quantità di informazioni, provenienti dalle due classi di dati, quelli clinici e quelli sociali, per di più distribuite praticamente sempre su sistemi informativi diversi.
Si può quindi immaginare come sia assolutamente necessario utilizzare un processo “automatico” in grado di applicare un sistema di regole definito a tutti i soggetti in questione, per assegnare ciascuno di essi al proprio profilo di rischio, senza ricorrere ad interventi manuali, lunghi e molto costosi.
Su questo punto può esserci di grandissimo aiuto l’utilizzo di sistemi di Intelligenza Artificiale, cioè di quei sistemi in grado di simulare caratteristiche che vengono considerate tipicamente umane.
Nel caso della stratificazione quindi, l’Intelligenza Artificiale gestire autonomamente il processo, consentendo di limitare l’impegno dell’operatore umano a fornire:
- le informazioni di base da cui partire;
- l’algoritmo che riproduce i processi decisionali che le permetteranno di svolgere le attività, ed in un certo senso di “ragionare”, come avrebbe fatto un essere umano.
Il sistema sarà così in grado di “assumere delle decisioni” proprio sulla base di alberi di decisione, cioè di grafi matematici che, a partire dalle condizioni iniziali (cioè dalle caratteristiche sociosanitarie del soggetto), consentiranno di attribuire ciascun paziente al proprio profilo di rischio.
Avendo poi già definito i bisogni sociosanitari associati ad ogni profilo, e le conseguenti azioni da mettere in atto, sarà possibile arrivare alla definizione degli interventi da attuare a livello del singolo cittadino, cioè il suo Progetto Individuale di Salute (PrIS).
Al fine di rendere i processi decisionali efficaci, devono però essere tenuti nel debito conto alcuni aspetti:
- le informazioni di base, cioè la storia sociosanitaria del paziente, dovranno essere ben strutturate per consentire al sistema di utilizzarle in modo rapido e corretto;
- l’algoritmo che riproduce i processi decisionali, e che in definitiva associa ciascun paziente al proprio profilo di rischio e contribuisce alla definizione del relativo PrIS, richiede non solo la sua corretta definizione iniziale, ma anche la costante sorveglianza di come i profili evolveranno nel tempo; si otterrà pero, in cambio, un vero e proprio modello predittivo in grado di identificare e comprendere tendenze su più vasta scala, conducendo così a migliori strategie di salute per la popolazione.
Etica nell’uso dell’IA in sanità
Poiché l’uso dell’IA in sanità è relativamente nuovo, per superare pregiudizi e posizioni preconcette, sono in corso continue ricerche sulla sua applicazione in vari campi, ponendo comunque sempre la giusta attenzione alle preoccupazioni di ordine etico dell’impiego estensivo delle macchine nel processo decisionale diagnostico, terapeutico e chirurgico e tenendo in debito conto le implicazioni in ordine alla tutela della privacy dei dati.
A cura di Dimitri Corberi (ICT Manager di Sanitanova) e Antonio Messina (Fondatore & CEO di Sanitanova)