L’AI al servizio della scienza medica
Grazie ai progressi tecnologici in campo medico e scientifico, agevolati dalla sempre crescente capacità di calcolo e predizione delle macchine, l’AI è in grado di supportare la ricerca e la diagnosi in modo estremamente avanzato.
Sono numerosi gli esempi di applicazione di tecnologie d’Intelligenza Artificiale per la riduzione del tempo di diagnosi. L’utilizzo del Machine Learning e dell’Image Recognition, ad esempio, hanno fornito ottimi risultati in termini di accuratezza dei risultati. Ad oggi, tuttavia, il contributo che l’AI può fornire a questo settore è ancora ampiamente esplorabile.
AI in Medicina: Quali i principali vantaggi in ambito medico?
L’AI, con le sue varie funzionalità, è in grado di diventare un prezioso alleato per tutti gli operatori del sistema sanitario; non solo per i medici e infermieri impegnati sul campo, ma anche per il personale amministrativo e dirigenziale.
Il rapporto tra le due discipline ruota intorno all’informazione e alla grande varietà del dato che possiede l’ambito medico. Proprio per questo l’AI possiede un’alta applicabilità in questo contesto, dove può giocare un ruolo fondamentale nell’estrarre e analizzare informazioni.
In vantaggi che l’AI è in grado di portare in ambito medico sono molti. Tra i principali:
- Precisione e elevata velocità di calcolo e processamento, che permette di fornire ulteriori strumenti per la diagnosi e la ricerca.
- Capacità di generare valore e informazioni da dati di varia natura (strutturati e non, clinici ecc.)
- Possibilità di utilizzare algoritmi predittivi al fine di prevedere le cure ottimali per singolo paziente
Queste sono solo alcune delle caratteristiche che rendono l’AI una tecnologia estremamente adattabile all’ambito medico. Un nuovo strumento capace di condurre il settore verso cure sempre più personalizzate.
Machine Learning e Image Recognition in ambito Oncologico: esempi e casi di utilizzo
Un esempio in grado di farci comprendere a pieno le potenzialità dell’AI è l’applicazione del Machine Learning e dell’Image Recognition in ambito Oncologico.
Grazie a questi strumenti, infatti, è possibile analizzare le immagini, riconoscerle, differenziarle e quali/quantificarle. Questo permette al medico di identificare e diagnosticare con maggior accuratezza patologie o tumori (l’applicazione di strumenti d’Image Recognition viene utilizzata ad esempio per l’analisi di immagini e referti mammografici)
Prima di approfondire l’utilizzo di queste tecnologie è però opportuno fare chiarezza sull’Image Recognition. Questa tecnologia è una combinazione di tecniche che applicate con soluzioni di intelligenza artificiale permettono di svolgere analisi su enormi volumi di immagini, restituendo informazioni, facendo correlazioni e individuando immagini all’interno di database in base a query di ricerca o attraverso processi di similitudine tra le immagini.
Questa tecnica fa parte di una disciplina di più ampio respiro, la cosiddetta computer vision, che ha come obiettivo migliorare la capacità delle macchine nella visione artificiale al fine di poter estrarre informazioni sempre più precise e accurate.
L’image processing, tecnica che permette all’image recognition di elaborare ed estrarre informazioni dalle immagini si compone di alcuni processi:
- Image Compression: riduzione dei requisiti di memoria dell’immagine.
- Image Preprocessing: miglioramento della qualità visiva dell’immagine per rendere più affidabile l’analisi sulla base di criteri oggettivi e ben definiti.
- Image Analysis: questa analisi restituisce valori numerici adatti per la classificazione , il rilevamento dei difetti o la previsione.
AI e Medicina: esempi e casi di utilizzo
Uno studio del Breast Cancer Surveillance Consortium permette di fare chiarezza su quanto l’utilizzo delle AI sia ancora ampiamente esplorabile. Infatti, lo studio mostra che ad oggi solo l’84.4% dei tumori maligni viene effettivamente diagnosticato alla prima indagine tramite lo screening mammografico.
X-RAIS è una piattaforma di Deep Learning per analisi d’immagini medicali basato su reti neurali e sviluppato da Laife Reply . Utilizza 106 diverse metodologie di diagnostica per dare supporto al medico suggerendo in modo automatico aree sospette e relativa classificazione, con l’obiettivo di ridurre il numero di diagnosi errate e migliorare l’efficienza dell’intero processo diagnostico. Questa tecnologia supporta i processi di diagnosi medica attraverso tecniche di Medical Image Recognition, che permettono di individuare con elevata accuratezza le zone delle immagini su cui il medico deve focalizzare la propria attenzione.
Caso di utilizzo della piattaforma X-RAIS in Italia
Un esempio tutto Italiano, che rappresenta il potenziale di applicazione delle AI nei processi di diagnosi, è l’utilizzo della piattaforma X-RAIS da parte di IRCCS (Istituti Clinici Scientifici Maugeri) di Pavia, che ha vinto il Premio Innovazione Digitale in Sanità 2019.
“Il riconoscimento è assegnato grazie al progetto di Image Detection in ambito senologico, realizzato presso l’IRCCS Maugeri di Pavia e basato sull’applicazione di Laife Reply, X-RAIS. Il progetto si è infatti distinto per la capacità di utilizzare le tecnologie digitali come leva di innovazione e cambiamento nel mondo della sanità. X-RAIS, infatti, è uno strumento basato su tecnologie di Deep Learning e affianca il medico nella fase di refertazione, suggerendo in modo automatico aree sospette e relativa classificazione con l’obiettivo di ridurre il numero di diagnosi errate e migliorare l’efficienza dell’intero processo diagnostico.” – IRCCS Istituti Clinici Scientifici Maugeri
Linee guida e nuove direzione per lo sviluppo delle AI in Medicina
Le caratteristiche che contraddistinguono le AI dalle altre tecnologie fino ad ora utilizzate possono risultare un’arma a doppio taglio. Le conseguenze negative che possono scaturire da queste tecnologie sono paragonabili all’importanza del ruolo che svolgono in una determinata circostanza.
Le caratteristiche che contraddistinguono le AI dalle altre tecnologie fino ad ora utilizzate possono risultare un’arma a doppio taglio. Le conseguenze negative che possono scaturire da queste tecnologie sono paragonabili all’importanza del ruolo che svolgono in una determinata circostanza.
Proprio per delimitare e normare i possibili utilizzi delle AI nei vari ambiti umani, sempre più esperti e comitati scientifici si stanno impiegando nella sottoscrizione di trattati e accordi per stabilire gli indirizzi etici a cui l’utilizzo di queste tecnologie dovrà sottostare.
Verso standard e accordi comunitari
Un esempio è riportato dal MIT Technology Review nell’articolo “New standards for AI clinical trials will help spot snake oil and hype”. Il testo cita la notizia di alcuni comitati di esperti che stanno attualmente operando per introdurre i primi standard ufficiali necessari alle sperimentazioni cliniche che coinvolgono l’intelligenza artificiale.
Annunciati anche su Nature Medicine, i nuovi standard indicano una serie di linee guida su come debbano essere condotti e segnalati gli studi clinici tramite AI, seguendo quelli già utilizzati in tutto il mondo per lo sviluppo di farmaci, test diagnostici e altri interventi medici.
I rischi in assenza di standard diffusi
Citando nuovamente l’articolo, l’assenza di standard comuni ha permesso alle aziende private di parlare dell’efficacia della loro intelligenza artificiale senza dover affrontare alcun controllo. Un esempio proviene dalla società di sanità digitale Babylon Health, con sede nel Regno Unito, criticata nel 2018 per aver annunciato che il suo chatbot diagnostico era “alla pari dei medici umani” sulla base di un test che i critici hanno sostenuto essere fuorviante.
Questo esempio dimostra chiaramente l’importanza che l’utilizzo e l’applicazione delle AI, nei vari ambiti e settori, venga normata e definita al fine di utilizzarla collettivamente in modo etico e delineato.