Intelligenza Artificiale e Medicina di Precisione sono due argomenti fondamentali per la gestione della salute pubblica negli anni a venire. Ma quanti medici stanno iniziando a formarsi un’opinione e delle competenze trasversali al riguardo?
Secondo il mio personale punto di vista stiamo parlando ancora di un argomento di estrema nicchia per l’Italia, nonostante la crescente mole di studi e di start up innovative che, nel mondo (prevalentemente negli USA), si stanno dedicando a questi argomenti.
Quali sono le aziende più attive in questi campi del sapere medico? Eccovi la lista aggiornata al 2018: Google DeepMind, Verily, IBM Watson, Careskore, Zephyr Health, Sentrian, 3Scan, Enlitic, Arterys, Atomwise, Deep Genomics. Senza contare, come dicevamo prima, le più di 1200 start up presenti solo negli USA.
La fine della Medicina “Classica”
L’essenza della medicina “classica” si basa sulla possibilità di ottenere il maggior numero possibile di dati sulla condizione di salute e sulla malattia del paziente e, dopo un ragionamento deduttivo, la possibilità di prendere decisioni basate su questi dati.
I medici, da sempre, hanno dovuto fare affidamento sulla propria esperienza, capacità di giudizio e capacità di risoluzione dei problemi utilizzando strumenti rudimentali e risorse limitate, per lo meno rispetto alle aspettative.
Con la trasformazione culturale connessa agli sviluppi delle nuove tecnologie e del digital in medicina, stanno iniziando ad intravvedersi in un orizzonte prossimo metodi avanzati di diagnosi e terapia auspicabili non solo dai medici ma anche, e soprattutto, dai i loro pazienti.
Queste tecnologie come la genomica, la biotecnologia, le nanotecnologie, i sensori indossabili e l’intelligenza artificiale (IA) stanno gradualmente portando a tre direzioni principali: (1) rendono i pazienti tutti “casi singoli” che richiedono interventi superspecifici sulla base delle loro caratteristiche uniche; (2) hanno creato un’enorme quantità di dati che richiedono analisi avanzate difficilmente attuabili da esseri umani, anche se molto competenti; (3) hanno posto le fondamenta della medicina di precisione.
Invece di sviluppare trattamenti per la popolazione generale e prendere le stesse decisioni mediche basate su alcune caratteristiche fisiche simili tra i vari pazienti, la medicina si è spostata verso la prevenzione sul singolo caso, la personalizzazione e la precisione connessa allo studio delle caratteristiche bio-psico-sociali del singolo.
In questo cambiamento e trasformazione culturale, intelligenza artificiale e medicina di precisione sono le due prospettive teoriche che possono portare tutte queste opportunità direttamente nella pratica quotidiana. Non tra decenni, ma entro pochi anni.
Nei secoli precedenti, l’assistenza sanitaria si è concentrata sull’elaborazione di soluzioni generalizzate in grado di trattare il maggior numero di pazienti con sintomi simili. Se lo sciroppo per la tosse era buono per la maggior parte dei casi in cui era presente il sintomo “tosse” e solo poche persone avevano un’eruzione cutanea come reazione allergica a questo trattamento generalista, non ci si poneva alcun dubbio e si usava.
Ottenere esperienza e prove empiriche su base generalizzata è sempre stato il metodo di lavoro della comunità medica da Ippocrate fino all’inizio del ventesimo secolo.
Con l’affinamento degli strumenti diagnostici, l’evoluzione delle teorie fisiopatologiche, lo sviluppo di nuovi farmaci e metodi medici, l’assistenza sanitaria ha subito cambiamenti radicali dall’inizio del secolo scorso ad oggi. Ma non abbastanza per rendere i pazienti (ed i medici!) soddisfatti.
L’approccio basato sull’esperienza del tipo “tentativo-errore-cambiamento” della medicina ha dato i suoi migliori risultati nella cosiddetta medicina basata sull’evidenza.
Di conseguenza, i medici non solo prescrivevano i trattamenti empiricamente efficaci perché i loro antenati usavano gli stessi metodi, ma dimostrarono scientificamente l’efficacia di questi trattamenti e dei metodi diagnostici in articoli scientifici e studi clinici; hanno poi mappato ampiamente la ricerca ed i trials clinici per affrontare l’osservazione che il mal di gola è trattato bene con un certo sciroppo per la tosse ma hanno anche iniziato ad analizzare gli effetti collaterali di questo trattamento.
In questo scenario di efficacia ed efficenza parziali e approssimate, la sfida che il ventunesimo secolo sta sottoponendo alla medicina è basata sull’utilizzo di tecnologie dirompenti ed estranee, per ora, allo scenario medico “classico”. Il sequenziamento genomico a basso costo, le biotecnologie avanzate, la sensoristica personale a basso costo e la raccolta di informazioni sulla storia clinica dei pazienti mediante il digital (smartphone e tracker) sta producendo una reale enorme quantità di dati.
Questo scenario estremamente stimolante e, potenzialmente, in grado di cambiare le regole del gioco per sempre, non è semplicemente affrontabile da una figura sanitaria classica come il medico clinico che troviamo, ad oggi, negli ospedali e negli ambulatori.
L’Intelligenza Artificiale come vero “motore” della Medicina di Precisione
Come descritto dal National Institutes of Health degli USA, la medicina di precisione è “un approccio emergente per il trattamento e la prevenzione delle malattie che tiene conto della variabilità individuale dei geni, dell’ambiente e dello stile di vita per ogni persona.”
Questo approccio, implicito anche nella medicina “classica” ma mai realmente considerato, consente a medici e ricercatori di prevedere più con precisione quali strategie di trattamento e prevenzione per una particolare malattia funzioneranno in quali sotto-tipi di persone o, addirittura, nel singolo caso.
La medicina di precisione non solo richiede capacità di ragionamento clinico umane ma anche una potenza di calcolo significativa che può appartenere solo ai sistemi informatici; si parla quindi di algoritmi che possono imparare da soli a un ritmo senza precedenti (deep learning) e, in generale, un approccio che utilizza le capacità cognitive dei medici su una nuova scala tramite l’integrazione con le intelligenze artificiali fornite dalle nuove industrie della salute.
La potenza di calcolo dei computer è diventata un campo di battaglia per le industrie, ma non solo queste innovazioni sono importanti; gli algoritmi di deep learning e machine learning hanno dimostrato di fare diagnosi almeno altrettanto bene dei medici in cardiologia, dermatologia e oncologia, come ho già illustrato in un precedente articolo.
Tuttavia, dobbiamo sottolineare l’importanza di combinare tali algoritmi con la conoscenza dei medici, per lo meno nei prossimi 10 anni almeno.
Nella grande sfida dell’International Symposium on Biomedical Imaging, i concorrenti hanno creato sistemi computazionali per la rilevazione del carcinoma mammario metastatico in immagini diapositive complete di biopsie del linfonodo sentinella; l’algoritmo del vincitore ha avuto un tasso di successo del 92,5%. Quando un patologo “umano” esaminava in modo indipendente le stesse immagini, il tasso di successo era del 96,6%. La cosa interessante è che se si combinano le previsioni del sistema di apprendimento profondo con le diagnosi del patologo umano si ottiene un aumento del tasso di successo sino al 99,5%, ed una riduzione dell’85% circa del tasso di errore umano. Un risultato che, potenzialmente, significa un numero rilevante di vite umane salvate.
In estrema sintesi, i dati in nostro possesso provenienti dai numerosi studi sulla medicina di precisione digitale, indicano che i migliori risultati si ottengono dalla combinazione tra intuito umano ed intelligenza artificiale, quindi il “tocco umano” sembra essere ancora un valore aggiunto.
Ovviamente questi argomenti non hanno solo delle problematiche tecniche e cliniche da essere risolte, un aspetto molto importante sono le questioni etiche che ho già affrontato in un altro articolo che vi invito a leggere e commentare, e per mantenere un approccio umano in medicina in modo che le opportunità di trattare le persone giuste con le terapie più personalizzate siano realmente aumentate, alcuni indirizzi potrebbero essere utili:
- La creazione di standard etici sull’uso dell’IA che siano applicabili e obbligatori per l’intero settore dell’assistenza sanitaria. Un esempio simile al modo in cui il governo tedesco ha creato la prima linea guida etica al mondo per i produttori di automobili a guida autonoma tramite IA.
- Lo sviluppo graduale ma progressivo dell’intelligenza artificiale, non dirompente, in modo tale che ogni fase possa essere chiaramente valutata prima di procedere al successivo livello di sviluppo, per dare il tempo di valutare ai medici e non solo dagli ingegneri, i possibili aspetti negativi e per costruire sistemi di sicurezza per prevenire eventi “apocalittici” per ora solo ipotizzabili. Gruppi indipendenti di ricerca bioetica e istituzioni pubbliche dovrebbero monitorare costantemente il processo.
- Per i medici professionisti, stabilire l’obbligo di acquisire conoscenze di base su come l’intelligenza artificiale lavora in un ambiente medico per capire come tali soluzioni possano aiutarli nel loro lavoro quotidiano e per poter monitorare personalmente sui processi.
Un’ultimo commento: Ricordate che nessuna intelligenza artificiale è destinata, per ora, a sostituire i medici, ma quei medici che conoscono ed usano l’intelligenza artificiale potrebbero sostituire quelli che non lo sanno fare!
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Ultimi post di Valerio Rosso (vedi tutti)
- Trauma, MicroTrauma e Stress Nascosto: The Ghost in The Machine - 19/11/2023
- Potomania: cosa devi sapere su questo Disturbo Mentale - 16/11/2023
- Il Mito della Colazione - 07/11/2023
Lascia un commento