Il progresso tecnologico, specialmente se facciamo riferimento ai processi di digitalizzazione, ha stravolto la nostra quotidianità, e quindi i servizi che utilizziamo.
Negli ultimi 10 anni abbiamo assistito a un’autentica accelerazione, ed abbiamo visto cambiare molti settori in maniera massiva.
Per citarne uno, sicuramente tra i più rilevanti, c’è quello dell’Healthcare.
Infatti, il processo di digitalizzazione di questo settore sta portando ad un radicale cambiamento all’approccio della medicina, e alle soluzioni che la medicina stessa poteva offrirci fino a qualche decennio fa.
Un protagonista principale di questa digitalizzazione nel settore della medicina, ma più propriamente del settore sanitario, è l’Intelligenza Artificiale (AI).
Ovviamente questo tipo di tecnologia è applicabile a molti altri settori, per cui, per avere un’idea più chiara, proviamo a capire il significato della parola “Intelligenza” quando viene praticato da una macchina (computer).

Cos’ è quindi l’Intelligenza Artificiale (AI)?

La definizione più esaustiva ce la offrono Stefan van Duin e Naser Bakshi, i quali, nel 2017, parlano di AI come di qualcosa che:
“Si riferisce a un ampio campo della scienza che comprende non solo l’informatica ma anche la psicologia, la filosofia, la linguistica e altre aree.
L’intelligenza artificiale si occupa di portare i computer a svolgere quelle attività che normalmente richiederebbero l’intelligenza umana “.
Parlare di AI senza introdurre il tema del Machine Learning (ML) sarebbe, però, piuttosto impreciso.
Il Machine Learning è un’applicazione dell’Intelligenza Artificiale, che utilizza algoritmi per eseguire attività senza esplicite istruzioni.
Accade, quindi, che i sistemi informatici apprendono le regole di cui hanno bisogno per operare, e quindi sviluppare algoritmi, da tutte una serie di dati che gli vengono forniti dall’esterno.
Partendo dal presupposto che questo tipo di tecnologie hanno tutto il potenziale per poter migliorare tutti i vari tipi di servizi di cui quotidianamente usufruiamo, è interessante comprendere ora le aree di applicazione dell’AI e del ML in ambito Healthcare.
  • Diagnosi
  • Screening
  • Gestione delle conoscenze
  • Studi Clinici
  • R&D Farmaceutico
  • Salute della popolazione
  • Prevenzione e farmaci/terapie personalizzate
Per aiutare a comprendere meglio le modalità di applicazione di AI e ML nell’Healthcare, di seguito ho raccolto alcuni case studies tra i più rilevanti.

Case study 1

Nella radiografia, uno studio ha confrontato la diagnosi di polmonite di 112.000 immagini a raggi X, confrontando il tasso di successo di un algoritmo di Intelligenza Artificiale con quella di 4 radiologi, ed ha scoperto che l’AI ha avuto prestazioni migliori dei radiologi superando, così il confronto.
Nell’area della diagnosi e dello screening attualmente, ci sono 132 diversi prodotti AI progettati per supportare oltre 70 diverse condizioni.

Case Study 2

Nelle tecnologie indossabili, l’Intelligenza Artificiale trova applicazione a supporto del monitoraggio e della cura dei pazienti, così come nella gestione delle patologie croniche.
Il paziente preso “in esame” in questo video è un Graphic Designer che ha contratto il morbo di Parkinson.
Il Medical Device indossato dal paziente funziona contrastando i tremori della sua mano, agendo come un “rumore bianco” per i segnali inviati al cervello.
Alla base della funzionalità di questo strumento c’è l’utilizzo di sensori ed Intelligenza Artificiale che rilevano e monitorano i complessi sintomi associati al disturbo.

Case Study 3

L’immagine seguente fornisce un’istantanea di come il Machine Learning può essere utilizzato negli studi clinici.
Comprende 20 esempi di studi clinici relativi a diverse parti del corpo, eseguiti in differenti paesi.
La colonna gialla mostra 10 studi clinici in cui gli algoritmi di machine learning sono stati applicati, agli studi clinici stessi, per supportare l’identificazione del cancro nei vari organi o parti del corpo.
La colonna blu invece, mostra 10 studi clinici in cui gli algoritmi di machine learning sono stati applicati con duplice funzione, sia come strumento di analisi per l’identificazione di una condizione patologica, sia come supporto per identificare il trattamento farmacologico più appropriato.
Da questo case study è rilevante notare che i due tipi di strumenti di machine learning più utilizzati negli studi clinici sopra citati sono stati:
  • Random Forest (classificatore d’insieme, Foresta Casuale)
  • Neural Network (modello computazionale di “neuroni” artificiali, NN)
Abbiamo assistito a degli esempi chiari di come le tecnologie di Intelligenza Artificiale e Machine Learning trovano applicazione nelle varie aree dell’Healthcare, oggi.
Ma le previsioni sembrano confermare un impatto perfino maggiore di queste tecnologie sul settore sanitario, che porterà a un ulteriore sviluppo delle aree emergenti, e a una sostanziale modifica della forza lavoro impiegata nel settore sanitario.
A conferma di questo, nella tabella seguente vengono mostrati dieci principali progressi tecnologici con un reale impatto sull’assistenza sanitaria e le sue aree, e la loro capacità di “Disruption” (Topol Review, pag. 27):
Dai numeri 5, 7, 8 e 9 (in testo rosa) che si riferiscono all’AI, appare evidente come, sebbene si tratti solo di una stima, l’impatto dell’AI sulla forza lavoro sarà sì consistente, ma ad ogni modo non produrrà effetti significativi fino al 2025 – e solo per il 20% del personale.
Questa analisi ha portato gli autori del Topol Review a discutere di come sia in corso la “richiesta” di avere leader visionari, che comprendano l’uso di queste tecnologie e che supportino l’innovazione, i nuovi modelli di lavoro, e che generino una fiducia critica nei confronti delle tecnologie stesse.
Così anche i ruoli ed i profili professionali cambieranno, e diventeranno più fluidi con una maggiore connessione tra i confini clinici e quelli tecnici.
In tutto questo anche il paziente sarà protagonista, sempre più informato e capace attraverso l’uso della tecnologia, a gestire la propria salute. Questo porterà gli operatori sanitari a lavorare sempre più per “co-creare e co-progettare” soluzioni tenendo conto di questa direzione.

In conclusione…

Ora più che mai è il momento di cambiare approccio alla gestione della salute, della medicina e di investire sulla formazione dei pazienti e sull’uso della tecnologia.
Così come diventa fondamentale investire sugli operatori sanitari per far capire loro il potenziale supporto che queste forme di tecnologia possono offrire al loro lavoro quotidiano con il fine ultimo di migliorare la qualità di vita dei pazienti.

Autore: Savio Virgolino

Ti è piaciuto questo articolo? Iscriviti alla Newsletter, sarai sempre aggiornato sulle ultime novità del blog.