Medicina, l’utilizzo dell’intelligenza artificiale come supporto alla diagnosi

L’impiego dell’AI, l’intelligenza artificiale, in medicina fornisce alle procedure diagnostiche un “aiuto” sempre più importante ed efficace

Cos’è l’intelligenza artificiale? Si tratta di una serie tecniche informatiche e robotiche estremamente variegato e complesso, ma che condividono alcuni assunti di base:

• sono costituite da schemi predeterminati di apprendimento;
• hanno un’anima statistica inferenziale; 
• sono volte all’acquisizione di conoscenza.

Una differenziazione sottile all’interno delle tecniche è quella che intercorre tra sistemi funzionali e sistemi simbolici. 

I primi sono sistemi il cui schema predeterminato è una funzione matematica (dalle più semplici alle più complesse, dalle regressioni lineari alle reti neurali).

Nei secondi lo schema predeterminato è una funzione logica, anche in questo caso semplici o complessi.

Intelligenza artificiale e supporto diagnostico

Le principali applicazioni dell’intelligenza artificiale in ambito diagnostico sono radiologia, radioterapia, oftalmologia, gastroenterologia, ginecologia oncologica, senologia, ematologia ed infettivologia. In ultimo, non indifferenti sono stati i risultati ottenuti nella lotta all’emergenza pandemica da COVID-19.

Dati interessanti provengono infatti dalle ricerche condotte proprio sulla malattia da SARS-COv2. I risultati che sono stati pubblicati tra il 2020 e l’inizio del 2022 parlano di accuratezze che superano abbondantemente il 90%, e sensitività e specificità molto superiori all’85%, presentando un costo operativo nullo, una totale non-invasività ed una universalità di applicazione, senza limiti di età o localizzazione, e senza necessità di personale specializzato né di strutture apposite. Le ricerche sono state effettuate in condizioni molto diverse: sono state prese in considerazione persone sane, persone malate ma asintomatiche, persone malate ma con sintomi non direttamente connessi alla malattia (per esempio asma, oppure tosse cronica), e persone malate ma con sintomi respiratori tipici.

Evidenze esistono anche nel campo della identificazione di tumori polmonari, dove algoritmi di machine learning, istruiti attraverso la scansione di oltre 34.000 radiografie toraciche, hanno raggiunto un livello di accuratezza superiore a 17 su 18 radiologi usati come confronto.

La diffusione di questi approcci è stata tale che decine di aziende hanno ottenuto l’approvazione dalla FDA e dalla CE europea per l’applicazione dell’intelligenza artificiale nell’imaging medico con l’obiettivo di offrire sostegno nella diagnostica e all’avanzamento della ricerca scientifica.

AI e flussi di lavoro

Di cruciale importanza è l’impatto dell’intelligenza artificiale sui flussi di lavoro, dal momento che i dati vengono smistati per priorità. Nel momento in cui, ad esempio, l’AI rileva un’immagine, il sistema comunica i risultati e notifica i clinici nel caso vengano rilevate delle anomalie per esami ad elevata priorità. Tale priorità si base su diversi parametri, tra i quali: età, specialità, tipo di procedura, complessità, e capacità del sistema di rilevare anomalie. I casi più urgenti vengono posizionati in cima alla lista, in modo che i clinici possano focalizzarsi sui casi a maggiore priorità. Da un punto di vista tecnologico, l’area in cui l’intelligenza artificiale permette un miglioramento significativo riguarda la diagnosi automatizzata.

Un esempio è la startup Viz.ai che ha sviluppato un sistema di AI che permette di rilevare sospette occlusioni delle arterie da un angiogramma e di coordinare il team che gestirà l’emergenza.

AI e prevenzione

L’intelligenza artificiale sta riscontrando successi formidabili anche in ambito preventivo. Tra le patologie che è possibile prevedere tramite l’AI si annoverano:

• Infarti: la Carnegie Mellon University ha realizzato un algoritmo di apprendimento automatico che è in grado di analizzare 72 parametri delle cartelle cliniche di un paziente, tra cui età e glicemia. Grazie a questa analisi, l’algoritmo capisce se il paziente ha una predisposizione ad avere un attacco cardiaco e aiutare a predirlo fino a 4 ore prima dell’evento, con una precisione dell’80%.
• Tumore al seno: il team di ricercatori del Houston Methodist Research Institute in Texas ha sviluppato un software capace di interpretare in modo affidabile e veloce le mammografie: questa nuova tecnologia può contare sul 99% di precisione e lavora 30 volte più velocemente di un medico, analizzando potenzialmente fino a 500 cartelle in poche ore.
• Diabete: Hitachi ha progettato, in collaborazione con Salford Royal Foundation Trust e Salford Clinical Commissioning Group, un sistema integrato di tipo elettronico che consente di individuare le persone a maggior rischio di sviluppare il diabete di tipo 2, attraverso l’analisi dei loro dati.