Una diagnosi precoce migliora significativamente il percorso terapeutico-assistenziale del paziente e il decorso della malattia, riducendo la gravità e l’impatto dei sintomi e aumentando le probabilità di guarigione o convivenza con la patologia. L’intelligenza artificiale è un alleato prezioso per diagnosticare in via preventiva patologie che manifestano un tasso di incidenza e mortalità molto elevato. Ecco come.
Le tecnologie possono garantire un accesso equo alla cura
La pandemia da Covid-19 ha evidenziato problematiche e criticità dei sistemi sanitari di tutto il mondo, rendendo impellente ripensare i modelli di assistenza per assicurare una maggiore sostenibilità e un accesso equo ai servizi per la salute per tutti i cittadini.
Secondo dati ISTAT, oltre alle persone decedute per Covid-19, vi è infatti un sommerso di vittime “indirette” che non sono state messe in condizioni di accedere alle cure mediche necessarie a causa delle limitazioni imposte dalla gestione dell’emergenza sanitaria.
In risposta alla difficoltà di erogare i servizi sanitari di base, è stato intensificato l’investimento di intelligenza artificiale, Big Data, telemedicina e tecnologie digitali in Sanità, che hanno rivelato e confermato il potenziale di efficientamento non solo dei processi assistenziali e terapeutici, ma anche organizzativi e operativi dell’intero sistema.
Una tendenza che potrebbe crescere in futuro, alla luce delle iniziative di stanziamento di investimenti per la Sanità che stanno nascendo come, ad esempio, il programma europeo Next Generation EU.
Intelligenza artificiale in sanità: applicazione virtuale e fisica
Le applicazioni di intelligenza artificiale in sanità sono sempre più estese e sofisticate; gli ambiti di utilizzo più frequenti spaziano dalla gestione dei dati sanitari al monitoraggio delle condizioni di salute dei pazienti, dalla diagnosi alla personalizzazione della terapia, per citarne alcuni.
Grafico: Applicazioni dell’intelligenza artificiale in medicina
(Amisha, Paras Malik, Monika Pathania, Vyas Kumar Rathaur, Overview of artificial intelligence in medicine, National Center for Biotechnology Information, 2019)
Possiamo distinguere due modalità di applicazione di AI in ambito medico: virtuale e fisica.
Con applicazione fisica si intende l’utilizzo di robot a supporto di personale medico e pazienti.
Nel primo caso citiamo i sistemi di chirurgia robotica per supportare il chirurgo nell’effettuare un intervento; nel secondo caso, prendiamo ad esempio i care-bot, che forniscono assistenza a persone fragili (anziani, persone con disabilità o patologie croniche) durante il processo di terapia e cura.
L’applicazione virtuale comprende, invece, nuovi approcci informatici basati su AI che hanno l’obiettivo di ottimizzare la gestione dei dati sanitari, progettare sistemi di Health Management completi e affidabili e costruire di sistemi di active guidance per supportare il personale medico nei processi di diagnosi e cura.
Analizziamo alcuni casi di utilizzo dell’intelligenza artificiale per la diagnosi precoce di malattie cardiovascolari, tumori, sepsi, demenza, e approfondiamo le più recenti applicazioni di AI per diagnosticare il Covid-19 e per prevedere l’evoluzione della pandemia.
L’intelligenza artificiale per la diagnosi precoce
Malattie cardiovascolari, patologie respiratorie, tumori, demenza: queste secondo l’OMS alcune fra le principali cause di morte nel mondo nel 2019.
Effettuare una diagnosi precoce può significare cambiare radicalmente il decorso di una malattia, migliorando le condizioni di vita del paziente e aumentando le probabilità di prognosi favorevole o di guarigione.
È un ambito di applicazione in cui l’intelligenza artificiale si rivela un alleato prezioso per individuare soggetti a rischio o interpretare sintomi esistenti, in quanto semplifica al personale medico la fruizione e consultazione di enormi quantità di dati clinici (Big Data) con livelli di complessità crescenti.
Processi di diagnosi più veloci e corretti, modelli di terapia personalizzati e modalità di interazione medico-paziente più immediate rendono le cure più accessibili e inclusive, riducendo le ospedalizzazioni e migliorando il benessere di tutti i cittadini.
Campi di applicazione dell’intelligenza artificiale in sanità
Cardiologia
In cardiologia l’intelligenza artificiale viene utilizzata, ad esempio, per perfezionare le tecnologie di imaging cardiovascolare, dove fornisce supporto alla lettura e interpretazione dei dati clinici per favorire il processo di diagnosi e decisionale. Un esempio è l’analisi di risonanze magnetiche con contrasto o immagini TC tramite di algoritmi di AI “allenati” a identificare in modo più veloce e meno invasivo le strutture cardiovascolari ed eventuali anomalie, che facilitano la diagnosi di determinate patologie.
Un’altra area molto promettente è la combinazione di algoritmi di AI con un sistema di telemonitoraggio (telecardiologia). In questo caso, l’attività cardiaca dei soggetti viene monitorata a distanza per un periodo di tempo concordato con il cardiologo tramite un ECG integrato con una piattaforma di telemedicina, dove gli algoritmi di AI leggono i dati ricevuti in tempo reale, segnalando eventuali anomalie al personale medico.
Tumori
Sono stati condotti diversi studi clinici che attestano l’accuratezza degli algoritmi di AI addestrati a riconoscere lesioni pretumorali e tumori nelle immagini per la diagnostica in processi di screening oncologico.
Inoltre, l’AI in oncologia permette anche di aggregare tutti i dati medici rilevanti sul singolo paziente per creare una vista unica condivisa fra tutti i professionisti sanitari coinvolti (medici curanti, oncologi, radiologi, chirurghi, psicologi, genetisti…) e personalizzare il processo di terapia e cura.
È indispensabile una grande quantità di dati oncologici per nutrire e allenare gli algoritmi in modo che perfezionino il riconoscimento precoce dei tumori nel tempo. È qui che può fare la differenza il federated learning (o collaborative learning), un approccio decentralizzato al machine learning che consente a diversi enti e organizzazioni di collaborare a progetti di deep learning senza condividere dati sensibili, ma modelli.
La regolamentazione di questo approccio è ancora controversa, ma ci sono già casi di utilizzo da parte di istituti oncologici in Stati Uniti, Canada, Regno Unito, Germania, Paesi Bassi, Svizzera e India per migliorare l’identificazione del tumore al cervello.
Declino cognitivo
L’utilizzo di AI per la diagnosi di demenza in persone anziane è impiegata per individuare precocemente i sintomi cognitivi connessi a un disturbo più o meno grave di demenza, con il fine di creare terapie personalizzate per rallentare il decadimento delle funzioni cognitive e migliorare il benessere delle persone a rischio di demenza.
Da un lato, l’AI supporta l’analisi degli esiti della valutazione clinica del paziente, che comprende sia la somministrazione di test cognitivi che la ricerca di alterazioni cerebrali strutturali nei processi di neuroimaging. In questo caso, viene applicata per leggere e interpretare l’esito di risonanze magnetiche, tomografie e altre tecniche di imaging cerebrale.
Dall’altro lato, l’AI è utilizzata per individuare con più precisione i sintomi cognitivi come le alterazioni del linguaggio, indicatore importante della tipologia e dello stadio di demenza della persona. La linguistica computazionale gioca un ruolo importantissimo non solo per rilevare e identificare il tipo di disturbo del linguaggio da cui è affetto il paziente, ma anche per elaborare una diagnosi precisa correlando i sintomi con la patologia.
Anche l’Unione Europea riconosce l’importanza della diagnosi precoce di demenza in Paesi con un invecchiamento della popolazione sempre più accentuato. Per questo, nell’ambito del programma di investimento dedicato alla ricerca e innovazione Horizon 2020, ha finanziato AI-Mind, un progetto della durata di 5 anni con l’obiettivo di creare strumenti digitali basati su AI per lo screening del rischio di demenza nelle persone con disturbo cognitivo lieve.
Intelligenza artificiale nella lotta al Covid-19
Il Segretariato del Ad Hoc Committee on Artificial Intelligence del Consiglio d’Europa (CAHAI) ha realizzato una panoramica sui molteplici ambiti di applicazione dell’AI per la lotta al Covid-19 utilizzati a livello internazionale. In particolare, l’AI è stata impiegata per:
- elaborare previsioni sulla struttura del virus per accelerare il sequenziamento del genoma e supportare i ricercatori nel progettare un vaccino in tempi più brevi e nel perfezionare l’efficacia di cure e trattamenti;
- effettuare diagnosi più rapide e precise tramite l’analisi di TAC e altre immagini di diagnostica attraverso algoritmi allenati a individuare le lesioni polmonari causate dal Covid-19;
- prevedere l’evoluzione della pandemia tracciando la diffusione del virus e creando una rassegna stampa “intelligente” di notizie online affidabili sul Covid-19 che fornisce aggiornamenti sulla base di una selezione di media qualificati;
- analizzare i flussi di circolazione della popolazione per individuare contesti e luoghi ad alto rischio di trasmissione del virus;
- favorire misure di sorveglianza dei cittadini più o meno rigide a seconda dell’accettazione sociale di misure restrittive che cambia da Paese a Paese e che spaziano dalla geolocalizzazione del singolo cittadino, alla rilevazione della temperatura corporea, alla segnalazione al cittadino tramite app di soggetti potenzialmente infetti nelle sue vicinanze fino alla generazione di allarmi nel caso in cui un cittadino infetto si allontani dal luogo di isolamento;
- utilizzare robot di manutenzione e consegna per limitare i contatti umani;
- migliorare l’accesso alle pubblicazioni scientifiche o di sostegno alla ricerca, raccogliendo ed elaborando le migliaia di documenti di ricerca su effetti, possibili trattamenti ed evoluzioni di questo nuovo virus pubblicati dalla comunità scientifica internazionale sin dalle prime settimane successive all’annuncio della comparsa del nuovo Coronavirus.
L’AI ha fornito un aiuto prezioso in diversi campi della battaglia contro il Covid-19. Tuttavia, non è una soluzione in grado di eliminare le fasi di sperimentazione clinica o di sostituire la componente umana in tutto e per tutto. È mancato, inoltre, un coordinamento universale e condiviso che avrebbe potuto creare una sinergia internazionale grazie a una più costante condivisione di dati, modelli e algoritmi, accelerando ulteriormente il nostro tempo di risposta all’evoluzione della pandemia.
Il nodo del coordinamento in tema di ricerca e gestione sanitaria si pone anche a livello internazionale; chissà che questa pandemia abbia dato l’input giusto per scioglierlo.
