Medicina predittiva: il ruolo dell’Intelligenza Artificiale

Innovazione medica e Intelligenza Artificiale

L’Intelligenza Artificiale (AI) e le sue applicazioni in ambito medico stanno favorendo cambiamenti apprezzabili.

Forse il campo dove più evidenti e auspicabili sono i progressi è quello di predire le malattie.

Benefici che non riguardano soltanto i pazienti, ma che coinvolgono anche personale e sistemi sanitari.

Se inizialmente l’AI era percepita come una minaccia, oggi tale scetticismo è stato definitivamente accantonato.

L’applicazione dell’AI alla medicina ha moltiplicato i consensi, fino a sperimentare impieghi che solo pochi anni fa sembravano mera utopia.

Con l’Intelligenza Artificiale è finalmente possibile migliorare la precisione nell’elaborazione della diagnosi, oltre che la tempestività nell’individuare la patologia.

Un team di ricercatori dell’Università di Oxford ha recentemente sviluppato un sistema diagnostico basato sulle capacità predittive dell’AI.

Secondo i test, sarebbe possibile diagnosticare le patologie cardiache con maggiore accuratezza almeno nell’80% dei casi.

Risultati ottenuti attraverso l’implementazione del deep learning (letteralmente apprendimento profondo; una branca dell’AI che fa riferimento agli algoritmi ispirati alle funzioni e alla struttura del cervello umano, chiamati reti neurali artificiali).

Sistema che determina maggior efficacia e rapidità nell’elaborazione delle diagnosi, aiutando il medico a prendere la decisione migliore in un minor lasso di tempo.

Insomma le tecnologie aiutano a migliorare la vita dell’anziano a domicilio ma anche delle persone che, ancora sane, possono incorrere in gravi patologie che solo un pronto intervento possono rendere curabili.

Big Data e algoritmi predittivi

L’AI si sta mostrando utile nel prevedere possibili eventi prima che questi si manifestino.

Attraverso l’elaborazione dei parametri giusti, l’Intelligenza Artificiale è in grado di indicare le probabilità che possa insorgere un disturbo in termini percentuali.

Da cose gravi e ampie, ad accadimenti domestici che riguardano il singolo anziano solo.

Ad esempio, nel caso di una pandemia, i sistemi basati sull’AI possono indicarne sviluppi e rischi futuri.

Tutto ciò è reso possibile dalla creazione di determinati algoritmi predittivi.

Per il sistema sanitario è molto importante conoscere tali informazioni: in questo modo, infatti, è possibile adottare piani destinati a contenere gli effetti legati ad ogni tipo di previsione.

Inoltre, grazie a queste applicazioni sarà finalmente possibile sfruttare le migliaia di dati raccolti dal personale sanitario.

L’elaborazione dei cosiddetti Big Data e la creazione di algoritmi adeguati permetterà di individuare i punti deboli di ciascun paziente e prevenire il danno causato dalla patologia.

Del resto, il termine Radiomica è sempre più usato nel settore della diagnostica.

Parola che indica uno strumento capace di predire la comparsa e lo sviluppo di una determinata malattia, permettendo di definire in anticipo la terapia più efficace per ciascun paziente.

La Radiomica elabora analisi, immagini, anamnesi e caratteristiche genetiche dall’assistito per tracciarne un quadro possibilistico e limitare future emergenze ed ospedalizzazioni.

Un alleato prezioso per pazienti e sistemi sanitari

L’Intelligenza Artificiale e la sua capacità di predire le malattie costituiscono un alleato molto importante per ciascuno dei soggetti coinvolti.

L’AI è la risposta alla grave crisi organizzativa che sta interessando l’assistenza sanitaria, causata sia dalla carenza di personale che dal significativo allungamento della speranza di vita e dalla conseguente diffusione delle malattie croniche dovute all’età.

Pensate alla carenza degli infermieri e all’importanza di venire curati a casa.

Per fortuna, l’elaborazione della crescente massa di dati raccolta dal personale sanitario può fornire informazioni spesso non rilevabili dall’occhio umano.

Informazioni da cui ottenere modelli personalizzati, grazie ai quali trattare un gran numero di patologie.

Diagnosi a prova di errore

Secondo Paolo Soda, professore presso l’Università Campus-Biomedico di Roma, la radiomica è una maniera necessaria per fare prevenzione. A breve, ciascun medico potrà contare su sistemi in grado di elaborare, mediante specifici algoritmi, moli enormi di dati evitando gli errori legati ai limiti della natura umana.

Sergio Papa, Direttore di Diagnostica per immagini del Centro Diagnostico Italiano (CDI) ha affermato che l’applicazione di deep learning alla lettura di TAC, immagini radiografiche, risonanze, ecografie ed altre tipologie diagnostiche, ci permetterà di prevedere la progressione, nonché la risposta alle terapie, di numerose lesioni rilevate tramite radiologia.

Giuseppe Scotti, neuro-radiologo presso il CDI di Roma, ha parlato del paradosso che sta vivendo la radiologia. Ad oggi, esistono numerosi strumenti diagnostici in grado di produrre immagini digitali che vengono ancora analizzate in maniera analogica, ovvero unicamente attraverso il parere dello specialista. Così facendo, moltissime informazioni finiscono per smarrirsi: è il caso dei dettagli invisibili all’occhio umano perché molto piccoli o ricorrenti in maniera troppo discontinua. Ciò non accade con la radiomica, che individua e registra dettagli utilizzati come marcatori o strumenti predittivi per tantissime patologie.

Tra le imprese che hanno cominciato ad indagare questo campo figura anche Microsoft che, in collaborazione con l’italiana SoftJam, ha messo a punto uno strumento utile ad identificare pazienti con un elevato rischio di contrarre la malattia renale cronica (MRC), disturbo asintomatico che coinvolge circa il 10% della popolazione mondiale.

L’Università di Bari, invece, è impegnata nella messa a punto di un algoritmo che, partendo dalle immagini radiografiche di pazienti affetti da Alzheimer, è in grado di predire i sintomi della patologia con un range di 10 anni.

Secondo i test, il sistema ha previsto, con un’approssimazione pari all’84%, il debutto della patologia in soggetti ancora sani che presentavano cambiamenti minimi della struttura cerebrale.

Previsione delle malattie: esempi di medicina predittiva

Dalla startup Sentrian, tra le prime in grado di predire le malattie prima ancora che compaiano i sintomi, a CloudMedX Health, capace di adottare l’analisi predittiva per generare intuizioni in tempo reale, la medicina predittiva sta compiendo passi da gigante.

Harpreet Singh Buttar, analista per Frost & Sullivan, ha affermato che entro il 2025 i sistemi di IA potrebbero essere coinvolti finanche nella creazione di avatar in grado di rispondere a specifiche domande dei pazienti mentre sono a casa.

• Tra i software più interessanti, applicabili anche all’assistenza a domicilio, figura Ginger.io, startup californiana che sta focalizzando la propria attenzione sui pazienti affetti da depressione e disturbi della memoria. La piattaforma analizza il comportamento del paziente fornendo avvisi agli assistenti ogni volta che le sue abitudini si discostano dalla norma.
• Lumiata fornisce analisi predittive che aiutano ospedali e privati a fornire cure di qualità superiore. Per produrre previsioni accurate in base a sintomi e diagnosi, Lumiata ha sviluppato un algoritmo capace di analizzare migliaia di informazioni.
• Anche Enlitic (https://www.enlitic.com/) aiuta i medici a predire le malattie, fornendo un supporto in tempo reale che aiuta lo specialista ad interpretare i casi più complessi.
• NuMedii (http://numedii.com/) sfrutta AI e Big Data per fornire terapie precise, indicando i farmaci più efficaci in base alla patologia rilevata e alla storia clinica del paziente.
• Infine, AiCure (https://aicure.com/) è un software in grado di monitorare i progressi del paziente, fornire diagnosi in tempo reale e un supporto interattivo.