• Passa al contenuto principale
  • Passa alla barra laterale primaria
  • Chi sono?
  • Archivio
  • Disclaimer
  • Politica dei cookie (UE)

Valerio Rosso

Psichiatria, Salute Mentale e Neuroscienze

Machine Learning in Medicina: quali applicazioni pratiche?

06/07/2018 da Valerio Rosso Lascia un commento

Negli ultimi anni c’é stata un’enorme attenzione nell’area di intersezione tra intelligenza artificiale e medicina: sul piano concreto abbiamo osservato la collaborazione tra il progetto DeepMind di Google ed il National Health Service del Regno Unito, ed i continui investimenti di IBM verso le aree della genomica e della scoperta di nuovi farmaci tramite l’assistenza dell’intelligenza artificiale. Dal punto di vista dei ricercatori che si dedicano a quest’area innovativa al confine tra computer science e sanità, purtroppo, molte importanti domande rimangono senza risposta e raramente vengono affrontate in dettaglio da chi di dovere (Università e Governo in primis):

  • Che miglioramenti concreti possono comportare le innovazioni della machine learning in sanità sulla vita dei pazienti?
  • Come funzionerà la sanità tra 5 o 10 anni?
  • Saremo preparati oppure dirigenti, medici, infermieri ed altri operatori funzioneranno come dei “colli di bottiglia” rispetto all’innovazione?

Per iniziare questo breve riassunto di alcune delle possibili applicazioni pratiche del Machine Learning (come sotto insieme più ristretto del vasto campo dell’Intelligenza Artificiale) in medicina, vorrei sottoporvi alcuni fatti che ho estrapolato in questi ultimi mesi di studio dell’integrazione tra il Sistema della Sanità e l’utilizzo di nuove tecnologie informatiche.

Quando verrà utilizzata in maniera intensiva il Machine Learning e l’Intelligenza Artificiale in Medicina?

Il gruppo di 50 esperti interpellato al riguardo durante uno studio del 2017 commissionato dal famoso sito TechEmergence.com hanno fornito risposte piuttosto eterogenee che vengono riassunte dal grafico estratto dal loro articolo (1):

data di utilizzo concreto della ai in medicina

In generale si può osservare come i principali esperti prevedano un pesante influenzamento della Sanità mondiale ad opera delle nuove tecnologie di AI e Machine Learning tra il 2025 ed il 2030 (1)(2). Questo lasso di tempo, in realtà, coincide con molte altre previsioni che indicano come l’utilizzo di intelligenze digitali influenzerà molti altri campi della cultura e delle attività umane (pubblica amministrazione, gestione economica, management, supply chain industriale, trasporti, gestione energetica e molto altro).

Quali aziende sono attivamente coinvolte nello sviluppo di sistemi di intelligenza artificiale per la medicina?

In questo momento, nel mondo occidentale, ci sono circa 50 aziende attivamente coinvolte nello sviluppo di sistemi di machine learning rivolti specificatamente agli utilizzi sanitari. Oltre a queste aziende consolidate abbiamo anche un certo numero di start up e spinoff universitari che, quasi quotidianamente, rivolgono la loro attenzione al mondo della medicina. Per non parlare delle realtà del mondo orientale (cina, giappone, taiwan) ed arabo. Le aziende occidentali attivamente coinvolte nel processo di sviluppo del machine learning in ambito medico nel 2018 sono le seguenti:

Quali sono le principali applicazioni del machine learning in ambito sanitario?

Quando si parla dell’efficacia del’utilizzo del machine learning in medicina, si afferma sempre che un numero maggiore di dati produce quasi sempre risultati migliori e il settore sanitario si trova letteralmente seduto su di una miniera d’oro di dati fino ad oggi scarsamente sfruttati.

La famosa compagnia di consulenza strategica in ambito far,aceutico e medicale, McKinsey stima che lo studio dei big data ed il machine learning nel settore farmaceutico e medico potrebbero generare valore fino a $100 miliardi all’anno, grazie ad un migliore processo decisionale, innovazione ottimizzata, maggiore efficienza della ricerca / studi clinici e creazione di nuovi strumenti per medici, paziente, assicuratori ed agenzie governative.

Nel concreto le principali innovazioni che l’intelligenza artificiale porterebbe alla medicina sono almeno 10:

  1. Migliore applicazione e definizione dei criteri diagnostici alle varie malattie
  2. Possibilità di applicazione della medicina di precisione nel mondo reale
  3. Automatizzazione della prototipazione e sintesi di nuovi farmaci
  4. Automatizzazione della refertazione in anatomia patologica
  5. Automatizzazione della refertazione in radiologia e radioterapia
  6. Chatbot e assistenti vocali nel rapporto con il pubblico, negli interventi educativi e psicoeducativi, supporto dei pazienti
  7. Ottimizzazione dei trial clinici randomizzati nello studio di nuovi trattamenti
  8. Automatizzazione della raccolta dati (cartella elettronica unica avanzata – fascicolo sanitario) e studio dei big data sanitari
  9. Predizione di eventi epidemici
  10. Previsione e studio di eventi psichici e comportamentali

Ovviamente ognuno di questi 10 punti meriterebbe di essere sviscerato e discusso a dovere, ma non è questa la sede. Inoltre ognuno di questi elementi di innovazione possiede al suo interno diversi sotto insiemi di caratteristiche diverse relative alle varie specialità mediche, a titolo di esempio vorrei portare la psichiatria: come ho già discusso, nell’imediato futuro, grazie al machine learning si potrà parlare di psichiatria di precisione, di utilizzo delle tecniche di imaging avanzato per diagnosi e terapia, di sviluppo mirato di nuovi farmaci, di oggettivazione diagnostica, di sistemi esperti per scegliere i migliori interventi terapeutici e via di seguito.

Vi lasci di seguito alcune voci bibliografiche per approfondire velocemente il rapporto tra machine learning, intelligenza artificiale e medicina.

 

Bibliografia:

  1. “Machine Learning in Healthcare: Expert Consensus from 50+ Executives” from TechEmergence.com
  2. “Machine Learning for Medical Diagnostics – 4 Current Applications” from TechEmergence.com
  3. “7 Applications of Machine Learning in Pharma and Medicine” from TechEmergence.com
  4. Deo RC. Machine Learning in Medicine. Circulation. 2015 Nov 17;132(20):1920-30. doi: 10.1161/CIRCULATIONAHA.115.001593. Review.
  5. Patel MJ, Khalaf A, Aizenstein HJ. Studying depression using imaging and machine learning methods. Neuroimage Clin. 2015 Nov 10;10:115-23. doi: 10.1016/j.nicl.2015.11.003.
  6. Obermeyer Z, Emanuel EJ. Predicting the Future – Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016 Sep 29;375(13):1216-9. doi:10.1056/NEJMp1606181.
  7. Darcy AM, Louie AK, Roberts LW. Machine Learning and the Profession of Medicine. JAMA. 2016 Feb 9;315(6):551-2. doi: 10.1001/jama.2015.18421.
  8. Zheng T, Xie W, Xu L, He X, Zhang Y, You M, Yang G, Chen Y. A machine learning-based framework to identify type 2 diabetes through electronic health records. Int J Med Inform. 2017 Jan;97:120-127. doi:10.1016/j.ijmedinf.2016.09.014. Epub 2016 Oct 1.
  9. Fabris F, Magalhães JP, Freitas AA. A review of supervised machine learning applied to ageing research. Biogerontology. 2017 Apr;18(2):171-188. doi:10.1007/s10522-017-9683-y. Epub 2017 Mar 6.
  10. Macesic N, Polubriaginof F, Tatonetti NP. Machine learning: novel bioinformatics approaches for combating antimicrobial resistance. Curr Opin Infect Dis. 2017 Dec;30(6):511-517.
  11. Zhang L, Tan J, Han D, Zhu H. From machine learning to deep learning: progress in machine intelligence for rational drug discovery. Drug Discov Today. 2017 Nov;22(11):1680-1685. doi: 10.1016/j.drudis.2017.08.010. Epub 2017 Sep 4.
  12. Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS One. 2017 Apr 4;12(4):e0174944. doi: 10.1371/journal.pone.0174944.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

The following two tabs change content below.
  • Bio
  • Ultimi Post
Il Mio Profilo TwitterIl mio profilo FacebookIl mio profilo Google+Il mio profilo LinkedInIl mio profilo InstagramIl mio canale YouTube

Valerio Rosso

CEO a valeriorosso.com
Mi chiamo Valerio Rosso e sono un medico, psichiatra e psicoterapeuta ad orientamento psicoanalitico. Da anni divulgo i principali temi della Salute Mentale, delle Neuroscienze e della Medicina Digitale come blogger e come YouTuber. Alcune persone mi conoscono anche come musicista (cercatemi su Spotify, iTunes e YouTube Music).
Il Mio Profilo TwitterIl mio profilo FacebookIl mio profilo Google+Il mio profilo LinkedInIl mio profilo InstagramIl mio canale YouTube

Ultimi post di Valerio Rosso (vedi tutti)

  • Ashwagandha per il Benessere Mentale e la Performance - 04/03/2023
  • Levometadone (L-Metadone) e Metadone, quali sono le differenze? - 28/02/2023
  • I migliori Podcast per favorire il sonno - 26/02/2023

Condividi questo articolo:

  • Fai clic per condividere su Facebook (Si apre in una nuova finestra)
  • Fai clic qui per condividere su Twitter (Si apre in una nuova finestra)
  • Fai clic qui per condividere su LinkedIn (Si apre in una nuova finestra)
  • Fai clic qui per condividere su Pinterest (Si apre in una nuova finestra)
  • Fai clic per condividere su WhatsApp (Si apre in una nuova finestra)
  • Clicca per condividere su Skype (Si apre in una nuova finestra)
  • Fai clic per condividere su Telegram (Si apre in una nuova finestra)
  • Fai clic per inviare un link a un amico via e-mail (Si apre in una nuova finestra)
  • Fai clic qui per stampare (Si apre in una nuova finestra)

Correlati

Archiviato in:Intelligenza Artificiale, Psichiatria Digitale Contrassegnato con: deep learning, intelligenza artificiale, machine learning

Interazioni del lettore

Lascia un commento Annulla risposta

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

Barra laterale primaria

LO PSICONAUTA SU SPOTIFY

“Psichiatria Rock” su Amazon.it

psichiatria-rock-instagram

Il Dr. Valerio Rosso su Facebook

Facebook

Il Canale YouTube del Dr. Rosso

iscriviti-youtube-valerio-rosso-tv

Gli articoli più Letti:

  • Migliori Probiotici, come sceglierli? Comparazione tra quelli in Vendita in Italia  [Aggiornamento al 2023]
    Migliori Probiotici, come sceglierli? Comparazione tra quelli in Vendita in Italia [Aggiornamento al 2023]
  • 7 Metodi naturali per aumentare la Libido ed il Piacere Sessuale
    7 Metodi naturali per aumentare la Libido ed il Piacere Sessuale
  • Il Test DIVA 2.0 per la diagnosi dell'ADHD nell'adulto
    Il Test DIVA 2.0 per la diagnosi dell'ADHD nell'adulto
  • Come riconoscere e come gestire i sintomi da Astinenza da Antidepressivi
    Come riconoscere e come gestire i sintomi da Astinenza da Antidepressivi
  • Il Pregabalin nella cura dell'Ansia
    Il Pregabalin nella cura dell'Ansia

PSICOBIOTICA, il libro del Dr. Rosso

Psicobiotica_Banner_Squared

INFORMAZIONI LEGALI SUL BLOG

Informativa Privacy, GDPR, Cookies, Affiliazioni, Google Adsense e Disclaimer Generale del Blog.

Copyright © 2022 ValerioRosso.com
Made with ♥ in Italy
Creative Commons License
Il canale YouTube del Dr. Rosso:
ISCRIVITI
Gestisci Consenso Cookie
Usiamo cookie per ottimizzare il nostro sito web ed i nostri servizi in accordo alla legge GDRP europea.
Funzionale Sempre attivo
L'archiviazione tecnica o l'accesso sono strettamente necessari al fine legittimo di consentire l'uso di un servizio specifico esplicitamente richiesto dall'abbonato o dall'utente, o al solo scopo di effettuare la trasmissione di una comunicazione su una rete di comunicazione elettronica.
Preferenze
L'archiviazione tecnica o l'accesso sono necessari per lo scopo legittimo di memorizzare le preferenze che non sono richieste dall'abbonato o dall'utente.
Statistiche
L'archiviazione tecnica o l'accesso che viene utilizzato esclusivamente per scopi statistici. L'archiviazione tecnica o l'accesso che viene utilizzato esclusivamente per scopi statistici anonimi. Senza un mandato di comparizione, una conformità volontaria da parte del vostro Fornitore di Servizi Internet, o ulteriori registrazioni da parte di terzi, le informazioni memorizzate o recuperate per questo scopo da sole non possono di solito essere utilizzate per l'identificazione.
Marketing
L'archiviazione tecnica o l'accesso sono necessari per creare profili di utenti per inviare pubblicità, o per tracciare l'utente su un sito web o su diversi siti web per scopi di marketing simili.
Gestisci opzioni Gestisci servizi Gestisci fornitori Per saperne di più su questi scopi
Visualizza preference
{title} {title} {title}
 

Caricamento commenti...