Intelligenza artificiale nel settore sanitario: come può semplificare i trial clinici?

Di Mark Aiello con April Crehan

In tutto il mondo diversi settori plaudono all'intelligenza artificiale come soluzione a qualsiasi problema. La nostra tecnologia diventa sempre più intelligente e in alcuni casi i vantaggi sono evidenti: spostamenti più rapidi grazie alle app per smartphone che ci guidano evitando il traffico, frigoriferi che sanno quando abbiamo finito il latte e come ordinarlo, centrali elettriche flessibili che rispondono alle esigenze e integrano energia rinnovabile.

Le potenzialità dell'intelligenza artificiale sono eccezionali anche nel settore sanitario. Tuttavia, la sua applicazione è vincolata da regolamenti complessi e dall'impatto permanente che possono avere le decisioni in materia di sanità, diversamente da quella di ordinare una confezione aggiuntiva di uova.

Ma prima di affrontare l'argomento dell'intelligenza artificiale nel contesto della sperimentazione clinica, dobbiamo spiegare che cosa intendiamo per "intelligenza artificiale".

Che cos'è l'intelligenza artificiale?

L'intelligenza artificiale è un ampio insieme di campi che descrivono lo sviluppo di modelli informatici in grado di svolgere attività tipicamente umane, ad esempio il riconoscimento di modelli ricorrenti e la risoluzione di problemi. L'intelligenza artificiale può essere forte o debole. Se è debole, il sistema opera senza necessariamente comprendere il funzionamento dell'intelligenza umana. L'intelligenza artificiale forte può pensare come un essere umano.

L'intelligenza artificiale può anche essere estesa o stretta, proprio come le aree di esperienza che cerca di toccare. Le attuali applicazioni dell'intelligenza artificiale e quelle destinate a emergere nel prossimo futuro sono tutte di tipo stretto, perché sono state addestrate in contesti specifici per svolgere determinate attività. Progettati per ruoli specifici, diversamente dall'intelligenza umana omnicomprensiva, questi sistemi hanno avuto fino a oggi funzionalità limitate.

Apprendimento automatico e apprendimento profondo

Un sottoinsieme dell'intelligenza artificiale è l'apprendimento automatico. I sistemi di apprendimento automatico modificano se stessi quando accedono a nuovi dati. In questo modo, tramite l'accesso a nuovi dati la macchina "apprende". I programmatori in genere inducono questa capacità di miglioramento tramite un obiettivo di errore minimo. Questo consente al sistema di identificare i tentativi riusciti e aumentare la probabilità di usare passaggi simili in futuro.

All'interno dell'apprendimento automatico vi è l'apprendimento profondo, l'aspetto più interessante dei tre. L'apprendimento profondo è definito dai molteplici livelli di riconoscimento delle caratteristiche, che permettono a questi sistemi di distinguere la foresta, ma anche gli alberi. L'elaborazione delle immagini da parte degli esseri umani e i sistemi di apprendimento profondo funzionano in modo simile. Come gli oggetti lontani entrano progressivamente nel nostro campo visivo, allo stesso modo i sistemi di apprendimento profondo sono in grado di osservare caratteristiche via via più complesse. Ad esempio, i pixel in un orientamento specifico diventano una linea e le linee diventano quindi un quadrato.

Normalmente, quando si parla di intelligenza artificiale e ricerca clinica si fa riferimento all'apprendimento profondo, il tipo di intelligenza più utile e allo stesso tempo più misterioso per autori e utenti. Le applicazioni e i regolamenti relativi all'uso dell'intelligenza artificiale nel settore sanitario possono essere molto misteriosi.

Applicazioni dell'intelligenza artificiale in sanità

Alcune delle interessantissime applicazioni dell'intelligenza artificiale già in uso nel settore sanitario:

• Un sistema di monitoraggio continuo del glucosio in grado di prevedere le oscillazioni della glicemia.


• Un'app di analisi facciale che suggerisce possibili disturbi genetici ai medici che tentano di diagnosticare pazienti con caratteristiche fisiche irregolari


• Un software in grado di eseguire ricerche nei database per trovare piccole molecole che hanno buona probabilità di fissarsi alle proteine di destinazione

I membri della comunità scientifica, dalle organizzazioni di ricerca a contratto agli enti pubblici fino al pubblico in generale, tendono a demistificare il ruolo dell'intelligenza artificiale nel settore sanitario. Al momento, si tratta di un'impresa senza speranza. In realtà, le domande che ho posto ai nostri esperti hanno talvolta prodotto ancora più domande, tra cui:

• Come trovare il giusto equilibrio tra l'uso e la condivisione di dati personali per accelerare l'innovazione e le informative sulla privacy imposte dalla legge e dall'etica?


• Quali sono le normative in vigore riguardo all'uso dell'intelligenza artificiale nel settore sanitario? In quali aree abbiamo più bisogno di linee guida?


• In quali contesti l'intelligenza artificiale è già utile nel settore sanitario? Quali sono le applicazioni emergenti?


• Trasparenza è oggi una parola molto in voga nella ricerca clinica. L'enfasi posta dal settore su trasparenza e formazione come si traduce nelle applicazioni dell'intelligenza artificiale nel settore sanitario?


• Sarà necessario un cambiamento culturale per l'adozione dell'intelligenza artificiale da parte delle organizzazioni di ricerca a contratto? Come adattarci senza inavvertitamente condannare alcuni gruppi all'obsolescenza?

Nelle prossime settimane approfondirò con entusiasmo questi argomenti, mentre tutti noi ci adattiamo ai rapidi cambiamenti in atto nel settore Life Science.

Se vi interessa partecipare a questa conversazione, anche se non potrete assistervi, condividete le vostre opinioni! Lasciate il vostro commento di seguito.