“L’AI al servizio della medicina”

L’intelligenza artificiale pervade le nostre vite. Come la mente umana la AI è capace di ragionare, apprendere e risolvere problemi attraverso l’uso di istruzioni, ovvero gli algoritmi, che le macchine imparano ad usare in modo automatico. Al centro di tutto sta il Machine Learning, ovvero un apprendimento automatico che permette al computer di apprendere dai dati e migliorare le proprie prestazioni in modo autonomo. Esso nasce nel 1959 ad opera di uno scienziato americano Arthur Lee Samuel, pioniere dell’intelligenza artificiale. Questi coniò il termine per la prima volta definendolo come il campo di studio che dà al computer la capacità di apprendere senza essere esplicitamente programmati. Stiamo parlando di apprendimento automatico tipico delle macchine, rivolto alla creazione di modelli computerizzati in grado di simulare il comportamento intelligente umano attraverso l’esperienza diretta. 

Perché, quindi l’intelligenza artificiale, è così importante anche in campo medico? Disponiamo in ambito medico di dati rappresentabili in righe e colonne come avviene con i fogli di Excel con i principali database delle cartelle cliniche.  Ma ora sono sempre più disponibili dati come testi, immagini, suoni, sensori, dispositivi indossabili come magliette, braccialetti, orologi intelligenti, conversazioni provenienti dai social media. L’80% dei dati generati quotidianamente non è strutturato. Gli algoritmi di intelligenza artificiale sono usati per interpretare questa enorme mole di dati e per identificare possibili relazioni di causa-effetto tra i dati stessi e le patologie di cui un paziente soffre. Le strutture dove confluiscono i questi dati, ma non solo, sono i data center, infrastrutture fisiche progettate per ospitare e centralizzare apparecchiature informatiche con al centro l’AI.

Fatte queste premesse è necessario aprire la nostra sanità regionale alla AI. Infatti i medici possono avere un supporto non solo nella diagnosi ma anche nell’interpretare immagini radiografiche, ecografie, TAC, etc.. E allora ricordiamoci della medicina basata sull’evidenza. Serve uno studio nel quale si mettono a confronto le diagnosi fatte dalle macchine e quelle fatte dai medici. 

Si decide a priori quale reparto di radiologia coinvolgere e quali medici. Le diagnosi sia della macchina che quelle dei radiologi devono essere nascoste fino a quando il lavoro è in corso. Il numero degli esami tali da raggiungere la significatività statistica deve essere stabilito nel disegno dello studio. Calcolare i tempi necessari per la macchina è quello per il radiologo per giungere ad una diagnosi. 

Scopo dello studio: mettere a confronto le diagnosi per valutare eventuali dissonanze. Se la gran parte delle diagnosi concordano bisogna valutare la possibilità che da quel momento le immagini radiografiche vengano inviate ad unico centro radiologico regionale per una diagnosi digitale. 

Questo modello potrebbe dare tempi omogenei di refertazione ed aumento del numero delle prestazioni del sistema. Il modello della refertazione a distanza delle radiografie è stato già sperimentato. La refertazione a distanza è un modello collaudato da integrare con l’AI. 

Ad maiora!

Uccio Piras