Intelligenza artificiale in sanità: separare la realtà da l’hype

È impossibile leggere sul futuro dell’assistenza sanitaria senza incontrare due vocali pixellate che, insieme, rappresentano le speranze e le paure di un’industria alla ricerca di soluzioni più intelligenti.

Anche se il campo dell’intelligenza artificiale (AI) esiste dal 1956, ha reso preziosi pochi contributi alla pratica medica. Solo di recente l’hype dell’apprendimento basato su macchine ha iniziato a fondersi con la realtà.

Cos’è l’intelligenza artificiale?

La confusione che circonda l’IA – le sue applicazioni nel settore sanitario e persino la sua definizione – rimane diffusa nei media popolari. Oggi, l’intelligenza artificiale è una scorciatoia per qualsiasi compito che un computer può eseguire altrettanto bene, se non meglio, degli esseri umani.

Ma ci sono diverse forme di computer Intelligence da considerare quando si pensa al suo ruolo in medicina. La maggior parte delle soluzioni generate al computer che stanno emergendo nel settore sanitario non si basano su un’intelligence indipendente. Piuttosto, usano algoritmi creati dagli umani come base per analizzare i dati e raccomandare trattamenti.

Al contrario, il “machine learning” si basa sulle reti neurali (un sistema computerizzato modellato sul cervello umano). Tali applicazioni implicano analisi probabilistiche multi livello, che consentono ai computer di simulare e persino espandere il modo in cui la mente umana elabora i dati. Di conseguenza, nemmeno i programmatori possono essere sicuri di come i loro programmi per computer possano ricavare soluzioni.

C’è ancora un’altra variante AI, conosciuta come “deep learning“, in cui il software impara a riconoscere i pattern in livelli distinti. Nel settore sanitario, questo meccanismo sta diventando sempre più utile. Poiché ogni strato di rete neurale funziona indipendentemente e in concerto, separando aspetti come colore, dimensioni e forma prima di integrarli, questi nuovi strumenti visivi mantengono la promessa di trasformare la medicina diagnostica e possono persino cercare il cancro a livello di singola cellula.

L’AI può essere tagliata e ritagliata a cubetti in molti modi diversi, ma il modo migliore per comprenderne l’uso potenziale nell’assistenza sanitaria è quello di suddividere le sue applicazioni in tre categorie distinte: soluzioni algoritmiche, strumenti visivi e pratica medica.

Soluzioni algoritmiche

Oggi in ambito sanitario le applicazioni AI più comunemente utilizzate sono algoritmiche: approcci basati su evidenze programmate da ricercatori e clinici.

Quando gli esseri umani incorporano dati noti in algoritmi, i computer possono estrarre informazioni e applicarle a un problema. Prenditi cura del cancro, per esempio. Utilizzando algoritmi di consenso di esperti del settore, insieme ai dati che gli oncologi inseriscono in una cartella clinica (cioè, età del paziente, genetica, stadiazione del cancro e problemi medici associati), un computer può rivedere dozzine, a volte centinaia, di alternative terapeutiche consolidate e raccomandare la combinazione più appropriata di farmaci chemioterapici per un paziente.

Forse la mia soluzione algoritmica preferita viene dal Dr. Gabriel Escobar e dai suoi colleghi nella divisione di ricerca del Permanente Medical Group.

La ricerca del team si è concentrata su una delle popolazioni più importanti di qualsiasi ospedale: pazienti in un’unità medica o chirurgica che sperimenteranno un deterioramento dello stato clinico e saranno trasferiti in ICU.

Sebbene questi pazienti ricevano cure intensive per un evento acuto, e apparentemente ritornino al loro precedente stato di salute, sono tre o quattro le probabilità in più di morire che se un medico fosse intervenuto e prevenuto il deterioramento in primo luogo.

Il Dr. Escobar, insieme al capo della divisione Dr. Tracy Lieu e al direttore esecutivo associato Dr. Philip Madvig, ha compilato i dati di 650.000 pazienti ospedalizzati, 20.000 dei quali hanno richiesto questo tipo di trasferimento ICU.

Il team ha quindi creato un modello analitico predittivo per identificare quali pazienti ospedalizzati oggi hanno più probabilità di finire in terapia intensiva domani. Hanno quindi incorporato l’algoritmo in un sistema informatico, che monitora continuamente lo stato di salute di tutti i pazienti ospedalizzati. Infine, hanno progettato avvisi per informare i medici ogni volta che un paziente è considerato “a rischio”. Con queste informazioni, i medici possono intervenire prima di una grave complicazione e salvare centinaia di vite in più ogni anno.

Strumenti visivi

Per apprezzare il potenziale del riconoscimento del pattern visivo nelle cure mediche, è necessario comprendere quanto spesso l’occhio umano fallisce anche nei migliori clinici.

Una coppia di studi indipendenti ha rilevato che dal 50% al 63% delle donne statunitensi che ottengono mammografie regolari oltre 10 anni riceveranno almeno un “falso positivo” (un risultato del test che indica erroneamente la possibilità di cancro, richiedendo quindi test aggiuntivi e, a volte, procedure non necessarie). Fino a un terzo del tempo, due o più radiologi che osservano la stessa mammografia non saranno d’accordo sulla loro interpretazione dei risultati.

Si stima che il software di riconoscimento di modelli visivi, in grado di memorizzare e confrontare decine di migliaia di immagini utilizzando le stesse tecniche euristiche degli esseri umani, sia del 5% al ​​10% più accurato del medico medio.

Si prevede che il divario di accuratezza tra occhio umano e occhio digitale si allargherà ulteriormente, e presto. Man mano che le macchine diventano più potenti e gli approcci di deep learning ottengono trazione, continueranno ad avanzare campi diagnostici come la radiologia (TC, MRI e interpretazione mammografica), patologia (diagnosi microscopica e citologica), dermatologia (identificazione di rash e valutazione della lesione pigmentata per potenziale melanoma) e oftalmologia (esame della retina per predire il rischio di retinopatia diabetica e malattie cardiovascolari).

Utilizzo dell’AI nella pratica medica quotidiana

Nello show televisivo House , il genio di un medico supera l’esperienza dei suoi colleghi, il che implica che se tutti i medici fossero intelligenti come il Gregory House, gli enigmi diagnostici sarebbero quasi scomparsi insieme a morti inutili negli ospedali.

In realtà, la più grande differenza tra i medici non è il loro livello di intelligenza, ma (a) come affrontano i problemi dei pazienti e (b) i sistemi sanitari che li supportano. E poiché “a” e “b” si combinano per creare ampie variazioni nei risultati clinici a livello nazionale, l’apprendimento automatico offre una grande speranza per il futuro.

Due approcci AI, entrambi attualmente disponibili, potrebbero migliorare radicalmente le prestazioni del medico.

Il primo è l’elaborazione in linguaggio naturale, una branca dell’intelligenza artificiale che aiuta i computer a capire e interpretare il linguaggio e la scrittura umana. Questo software può revisionare migliaia di cartelle cliniche elettroniche complete e chiarire i passaggi migliori per la valutazione e la gestione dei pazienti con più malattie. Il secondo approccio consiste nell’utilizzare i computer per guardare (e imparare da) i medici sul posto di lavoro.

A San Francisco, Adrian Aoun sta utilizzando il suo background nell’intelligenza artificiale per esplorare come le macchine possono imparare dai medici esperti in tempo reale.

Piuttosto che estrarre e analizzare i dati in modo retrospettivo (dopo che i medici hanno compilato le loro cartelle cliniche), la startup di Aoun per la cura primaria Forward usa l’intelligenza artificiale per seguire ciò che i medici fanno, passo dopo passo. Con l’immissione dati touch-screen e il riconoscimento vocale, i computer di Forward registrano e analizzano in che modo i migliori medici ottengono risultati superiori. I risultati vanno a beneficio dei loro colleghi e dei loro pazienti.

Sfortunatamente, la più grande barriera all’intelligenza artificiale in medicina non è la matematica. Piuttosto, è una cultura medica che valorizza l’intuizione del medico rispetto alle soluzioni basate sull’evidenza. I medici si aggrappano alla loro indipendenza e odiano sentirsi dire cosa fare. Trovarle a proprio agio con l’idea di una macchina che si guarda alle spalle mentre praticano si rivelerà molto difficile negli anni a venire.

Comprensione di Hype e Fear Of AI

Le start-up e le aziende tecnologiche sono salite a bordo di tutta la Hype AI, promettendo una serie di nuove e sofisticate soluzioni da infermiere a “AInsurance” (assicurazione alimentata da AI) a dispositivi indossabili per anziani, per citarne alcuni. La maggior parte sono interessanti ma non trasformativi. In generale, sono algoritmici e non approcci di machine learning. Quasi tutti non sono riusciti a spostare l’ago su risultati di qualità o aspettativa di vita.

Per ogni imprenditore che mette in luce l’intelligenza artificiale come la prossima grande cosa in medicina, ci sono molti che temono che le macchine sostituiranno (o addirittura accenderanno) gli umani. Credo che queste paure siano fondate più sulla fantascienza che sulla realtà. È vero che l’intelligenza informatica avanza più velocemente dell’intelligenza umana. Ma questo sviluppo offre molte più opportunità rispetto ai pericoli.

Se vedremo la velocità del computer raddoppiare altre cinque volte nei prossimi 10 anni, gli strumenti di apprendimento automatico e il software diagnostico economico potrebbero presto diventare essenziali per i medici quanto lo stetoscopio lo era in passato.

Allo stesso tempo, dobbiamo accettare una verità difficile: se la tecnologia migliorerà la qualità e ridurrà i costi dell’assistenza sanitaria, alcuni posti di lavoro nel settore sanitario scompariranno. Secondo uno studio, l’Intelligenza Artificiale è destinata a conquistare il  47% del mercato del lavoro statunitense entro 20 anni. Anche se i lavori dei colletti blu sono da tempo tra i capelli della tecnologia, anche i medici e altri operatori sanitari stanno iniziando a sentire la pressione. Sfortunatamente, questa è la natura del progresso. Ciò che migliora le vite e abbassa i prezzi per molti influenzerà negativamente coloro che hanno beneficiato del vecchio modello di successo. L’impatto di Uber e Lyft sull’industria dei taxi è un ovvio esempio. La robotica nella produzione è un’altra.

Senza dubbio, il ruolo del medico cambierà in futuro. Fortunatamente per i medici, tuttavia, i computer devono ancora dimostrare il tipo di empatia e compassione a cui milioni di pazienti fanno affidamento nelle loro cure mediche.

La promessa e il potenziale dell’IA in medicina

Mi aspetto che gli imprenditori e le imprese continueranno a investire in applicazioni di intelligenza artificiale e le pubblicizzeranno sempre di più. In effetti, l’apprendimento automatico ha il potenziale per portare la medicina molto al di là di ciò che è capace oggi.

La prova di questo fatto può essere trovata in un antico gioco cinese inventato più di 2500 anni fa. “Go”, un gioco da tavolo a due giocatori in cui gli avversari cercano di rivendicare il maggior territorio, è incredibilmente complesso e astratto, con una serie apparentemente infinita di mosse possibili. Il suo grado di difficoltà lasciava pochi osservatori credendo che un computer potesse mai essere il migliore per un uomo competente. Quel mito è stato distrutto nel 2015 quando AlphaGo, un programma creato dalla divisione Google Deepmind, ha battuto Lee Se-Dol, uno dei migliori giocatori del mondo.

La cosa più interessante, però, è come AlphaGo ha fatto tutto ciò. A differenza del Deep Blue di IBM, che sconfisse il campione di scacchi Garry Kasparov nel 1997, AlphaGo non “imparò” studiando gli umani e ripetendo le partite precedenti. Secondo un articolo di Nature , gli umani potrebbero aver insegnato ad AlphaGo le regole, ma il programma ha dominato il gioco giocando contro se stesso.

Questo tipo di “apprendimento profondo” potrebbe essere la cosa che catapulta il sistema sanitario americano nel futuro, aiutando a chiarire i migliori approcci all’assistenza, creando nuovi approcci per diagnosticare e trattare centinaia di problemi medici e misurare l’aderenza al medico senza i pregiudizi difettosi della mente umana.

Questi tipi di progressi arriveranno prima a organizzazioni mediche integrate, capitolate e abilitate alla tecnologia. Prevedo che queste organizzazioni adottino prima le soluzioni algoritmiche su smartphone o tablet, seguite da software di riconoscimento dei pattern e, infine, le migliori pratiche generate dalle macchine per i singoli pazienti.

Col passare del tempo, i pazienti saranno in grado di utilizzare una varietà di strumenti di intelligenza artificiale per prendersi cura di se stessi, così come oggi gestiscono molti altri aspetti della loro vita. Potrebbe non succedere presto. Dopotutto, gli sforzi per produrre veicoli a guida autonoma risalgono agli anni ’50. Ma a volte in futuro – più anni di quanto gli imprenditori vorrebbero e meno anni di quanto la maggior parte dei medici sperano – l’IA interromperà l’assistenza sanitaria come noi la conosciamo. Di questo possiamo esserne certi.

 

Fonte: forbes.com
Dott. Enrico Rudello - Marketing Sanitario

Autore

Dott. Enrico Rudello

Consulente in Marketing Sanitario

Sono Enrico Rudello, un Consulente in Marketing Sanitario specializzato nella comunicazione nel settore sanitario. Utilizzando i diversi canali di comunicazione aiuto le strutture sanitarie a migliorare la loro visibilità e a distinguersi nel mercato.

La mia Missione è sviluppare strategie efficaci, progettando siti web, la gestione dei canali social, attività di awarenessposizionamento su Google per strutture sanitarie. Ho collaborato con diverse realtà sanitarie, tra cui poliambulatori, studi dentistici, case di cura, strutture pubbliche e private in tutta Italia.

Il mio Obiettivo è ottenere risultati concreti per i nostri clienti attraverso un approccio professionale.

Altri articoli scelti per te
  • Marketing sanitario e voice search

    Marketing sanitario e voice search: una nuova frontiera

    Leggi articolo

  • Patient experience: i pazienti diventano consumatori attivi

    Leggi articolo

  • Come i social media stanno scuotendo la sanità pubblica e l’assistenza sanitaria

    Leggi articolo

  • IOT tra le nuove tendenze di marketing e comunicazione sanitaria

    IOT tra le nuove tendenze di marketing e comunicazione sanitaria

    Leggi articolo