L’intelligenza artificiale (Artificial Intelligence, AI nella dizione anglosassone) può essere un potente strumento al servizio della medicina moderna. E in parte già lo è. Le applicazioni, infatti, si moltiplicano in tutti gli ambiti, dalla diagnostica (tomografia computerizzata, Tc o risonanza magnetica) alla chirurgia, dallo sviluppo dei farmaci alla riabilitazione e sono destinate a crescere. Esistono anche algoritmi, in grado di supportare il radiologo nell’identificazione di patologie (ad esempio, noduli mammari o polmonari, fratture ossee, pneumotorace) riducendo al minimo gli errori di percezione, oppure aiutare lo specialista nella caratterizzazione di lesioni (ad esempio, il dermatologo con il melanoma cutaneo), con lo scopo di migliorare la diagnosi.
Secondo una ricerca di Frost & Sullivan’s, il mercato dell’AI in sanità arriverà a 6 miliardi di dollari nel 2022, con un tasso annuo di crescita del 68%, generando un risparmio di oltre 150 miliardi di dollari. Global Market Insights calcola che fino al 2025 si assisterà a una crescita annua del 41,7%. E nel solo settore dell’imaging medico, uno dei più promettenti tra quelli già disponibili, la previsione è che il mercato dell’AI registrerà una crescita del 30% all’anno nel periodo fino al 2025, grazie al miglioramento della potenza di calcolo, agli algoritmi di apprendimento e alla disponibilità di sempre più grandi set di dati.
Nell’anno della pandemia, un fattore trainante è stata l’adozione di tecnologie di intelligenza artificiale da parte di aziende farmaceutiche e biotecnologiche in tutto il mondo per accelerare i processi di sviluppo di vaccini o farmaci contro il COVID-19. Si moltiplicano infatti le partnership tra case farmaceutiche e aziende tecnologiche, con l’obiettivo di analizzare grandi set di dati e scoprire nuove correlazioni per sviluppare farmaci in poco tempo e con costi minori. Microsoft, ad esempio, ha creato il progetto “Covid Moonshot”, che vede l’impegno di case farmaceutiche, università e aziende tecnologiche nella ricerca di soluzioni alla pandemia.
Molto importante, poi, è l’applicazione dell’AI nella diagnostica predittiva: attraverso l’utilizzo e la interpretazione dei dati, si possono cogliere i primi segnali di alcune malattie per aiutare i medici a fare diagnosi più accurate, con l’obiettivo ridurre gli errori e sviluppare metodi per il trattamento medico individualizzato.
Tra i campi che stanno attraendo molti investitori, ci sono poi quello della riabilitazione, con macchine in grado di imparare dagli esercizi del fisioterapista per poi replicarli sul paziente, e dell’imaging medico. L’intelligenza artificiale può infatti supportare il processo decisionale dei radiologi, migliorando l’attività diagnostica. Un contributo sempre più determinante è quello che l’AI offre anche alla cosiddetta medicina di precisione, che sta emergendo sempre di più come la medicina del futuro. Il machine learning permette infatti di sviluppare modelli predittivi personalizzati, con la possibilità anche di personalizzare le cure anziché usare un approccio unico.

L’analisi predittiva dell’intelligenza artificiale è stata sperimentata ad esempio per identificare i pazienti che sono più a rischio di mancare agli appuntamenti per gli esami medici. O ancora per ridurre le riammissioni ospedaliere dopo un intervento chirurgico o per prevedere le infezioni batteriche gravi nei neonati con stati febbrili.
Alla Harvard Medical School stanno sperimentando Buoy Health, una sorta di controllore virtuale dei sintomi e delle cure. Il suo funzionamento, basato su una chatbot che ascolta i sintomi di un paziente e le sue preoccupazioni per la salute, guida nel percorso di cura corretto in base alla diagnosi.
L’ospedale universitario di Harvard, il Beth Israel Deaconess Medical Center, sta usando inoltre l’intelligenza artificiale per diagnosticare malattie del sangue potenzialmente mortali in una fase molto precoce. I medici usano microscopi dotati di intelligenza artificiale per la ricerca di batteri nocivi in campioni di sangue a un ritmo più veloce di quanto non sia possibile con la scansione manuale. Gli scienziati hanno usato 25.000 immagini di campioni di sangue per insegnare alle macchine come cercare i batteri e le macchine hanno poi imparato a identificare e prevedere i batteri nocivi con una precisione del 95%. Ma l’intelligenza artificiale può anche essere fondamentale per snellire e rendere più efficiente la sanità. La piattaforma AI di Olive, ad esempio, automatizza i compiti più ripetitivi dell’attività sanitaria, lasciando più tempo al personale amministrativo per lavorare su compiti maggiormente importanti.

Prima di poter essere impiegati in ambito assistenziale – avvertono gli esperti – questi sistemi necessitano di una rigorosa validazione scientifica, basata su studi metodologicamente solidi (prospettici, possibilmente randomizzati e condotti in ambienti clinici reali) che dimostrino la non inferiorità, o la superiorità, oltreché la costo-efficacia, rispetto al percorso diagnostico e decisionale convenzionale. “È, inoltre, importante dimostrare la sicurezza e la riproducibilità nell’uso del software, nonché considerare le emergenti problematiche etiche e legali inerenti alla responsabilità professionale del Medico nell’interazione con gli algoritmi“, lo puntualizza il Consiglio superiore di sanità (CSS), rilasciando un documento che delinea le proposte per il presente e il futuro.
Secondo il CSS, “per poter introdurre in modo sicuro nella pratica clinica i sistemi di intelligenza artificiale e per competere in ambito internazionale nella programmazione e nello sviluppo degli stessi, è auspicabile che, nel nostro Paese, siano attuati i seguenti interventi: realizzazione di infrastrutture organizzative, informatizzate, a livello locale, regionale o nazionale, di data stewardship e data governance; la creazione di una struttura di governance dei sistemi di Ai da parte delle agenzie regolatorie italiane, in particolare il ministero della Salute per ciò che riguarda i dispositivi medici e Aifa per gli eventuali aspetti terapeutici, con lo scopo di stabilire delle regole rigorose per l’approvazione e la registrazione di tali sistemi – prosegue il documento – la predisposizione di Linee guida nazionali riguardanti le modalità di integrazione e il corretto utilizzo dei sistemi di Ai nella diagnostica, in accordo con le società scientifiche di riferimento“.
“Inoltre – secondo il CSS – occorre la creazione di un osservatorio nazionale permanente presso il ministero della Salute, per il monitoraggio delle performance dei sistemi di AI immessi sul mercato (analisi post-market); la predisposizione di moduli formativi universitari e post-universitari per migliorare le conoscenze e competenze in materia di AI del personale medico e delle professioni sanitarie integrazione di elementi metodologici in tema di AI all’interno dei programmi della scuola secondaria superiore e creazione di contenuti informativi, anche tramite canali informatici, al servizio del cittadino“.
