L'intelligenza artificiale (IA) applicata alla medicina ha un ruolo fondamentale nel processo che trasforma la sanità in formato digitale.

Che cos’è e cosa si intende per intelligenza artificiale?

L’intelligenza artificiale è definita come la capacità di una macchina di “ragionare, apprendere e risolvere problemi” proprio come le menti umane, combinando insieme grandi quantità di dati mediante precise istruzioni (algoritmi) che vengono apprese dalla macchina in modo automatico. Di intelligenza artificiale si parla da molti anni, almeno dal secondo dopoguerra. Negli ultimi anni si è ripreso a parlarne in seguito alla produzione di un'enorme mole di dati e alla successiva disponibilità di computer in grado di elaborarli. A questo, poi, aggiungiamo anche l’evoluzione dei software di intelligenza artificiale che da semplici sistemi tradizionali basati su comportamenti prevedibili, cioè input forniti dall’operatore, oggi si sono evoluti grazie al machine learning. Queste tecniche addestrano i computer che imparano continuamente dai dati che gli vengono forniti. La disponibilità al grande pubblico di sistemi di intelligenza artificiale come ChatGPT ha contribuito a sdoganare questo argomento che prima era per i soli addetti ai lavori.

Perchè è importante l’intelligenza artificiale in campo medico?

La disponibilità di dati in ambito medico è cresciuta enormemente così come le fonti da cui essi provengono. Accanto ai dati tradizionali “strutturati”, rappresentabili in righe e colonne come avviene con i fogli di Excel o con i principali database (cartelle cliniche, Medline, linee guida e database biomolecolari e genetici) sono sempre più disponibili dati non strutturati (come testi, immagini, suoni, sensori, dispositivi indossabili come magliette, braccialetti, orologi intelligenti, conversazioni provenienti dai social media). Si stima addirittura che circa l’80% dei dati generati quotidianamente non sia strutturato. Gli algoritmi di intelligenza artificiale in ambito medico 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.

In quali campi è utilizzata l’intelligenza artificiale in medicina?

Il campo nel quale si sono fatti più progressi in termini di utilizzo dell’intelligenza artificiale come supporto per i medici è quello diagnostico. In questo settore esistono diverse evidenze scientifiche della loro affidabilità, in particolare nell'area oncologica, respiratoria o cardiologica. Dopo aver istruito una macchina nell’interpretare immagini fornite tramite radiografie, ecografie, TAC, elettrocardiogrammi e da esami provenienti dall’analisi di campioni di tessuti biologici (istologici), è possibile identificare, con un buon grado di affidabilità, patologie tumorali, cardiovascolari, dermatologiche, respiratorie.  

Un'altra area sulla quale si sta lavorando molto è quella legata ai sistemi di predizione, in grado di identificare possibili patologie ancora prima che queste si manifestino. Ad esempio, grazie all'analisi degli elettrocardiogrammi e alla storia clinica del paziente è possibile predire se una persona sia o meno a rischio di sviluppare patologie cardiovascolari come fibrillazione atriale o scompenso cardiaco.  Strumenti simili permettono di predire con una accuratezza e in anticipo di 6 anni lo sviluppo di un tumore del polmone.

Particolarmente interessanti sono i sistemi basati su intelligenza artificiale a supporto dei medici, in quanto in grado di suggerire il modo migliore di gestire o trattare dal punto di vista farmacologico la patologia di un paziente. Il suggerimento derivante dall’IA si basa su linee guida disponibili al momento, su evidenze scientifiche provenienti dalle pubblicazioni su riviste mediche internazionali, sul decorso di pazienti con patologie simili e sulla storia clinica del paziente da curare.

Non meno interessante è l’uso dell’intelligenza artificiale nello screening di numerosissime molecole esistenti con lo scopo di individuare quelle più promettenti da sottoporre a sperimentazioni cliniche, riducendo in questo modo i tempi per trasferire i risultati della ricerca alla pratica clinica.

In America sono oltre 500 le applicazioni di intelligenza artificiale approvate dalla Food and Drug Administration. In Italia, invece, quasi tutte quelle disponibili sono ancora in fase di sperimentazione.

L’uso dell'intelligenza artificiale in medicina comporta dei rischi?

Uno dei rischi più importanti legato all’uso dell'intelligenza artificiale in medicina riguarda il fatto che sistemi utilizzati non siano stati sufficientemente testati e supportati da prove scientifiche. Andrebbero condotti studi clinici metodologicamente più solidi che coinvolgano più centri, ospedali e istituti (multicentrici) e che valutino gli effetti in maniera casuale (randomizzati) su un adeguato campione rappresentativo della popolazione presa in esame, a partire dall'inizio dello studio e fino alla sua conclusione (prospettici).

Queste sono alcune considerazioni contenute in un documento (Linee guida sull'uso dei sistemi intelligenza artificiale in ambito diagnostico, di cui Eugenio Santoro è anche coautore) pubblicato dal Ministero della Salute che rappresenta uno strumento importante per chi sviluppa sistemi di IA e per chi (medici, pazienti, familiari, caregivers) poi li andrà ad utilizzare.

I sistemi di intelligenza articiale, poi, andrebbero istruiti adeguatamente per evitare distorsioni di valutazione, in gergo tecnico bias. In letteratura, infatti, sono documentati casi di strumenti di intelligenza artificiale che hanno fallito nel rispondere a determinati quesiti (diagnostici, prognostici, predittivi) perché i pazienti per i quali si cercava la risposta non erano adeguatamente rappresentati nel campione con il quale il sistema era stato istruito.

Occorre tenere presente anche il fenomeno della black box, cioè la propensione del sistema di intelligenza artificiale a fornire risposte “difficili”.

D’altra parte, non bisogna immaginare l’intelligenza artificiale come qualcosa che andrà a sostituire il medico: gli strumenti saranno anche intelligenti, ma le decisioni finali rimangono allo specialista per questioni etiche e deontologiche e di responsabilità.

Infine, è necessario che anche a livello istituzionale questi strumenti siano regolamentati in accordo con la nuova normativa europea sui dispositivi medici (a cui questi strumenti in gran parte afferiscono), attraverso regole più stringenti, in termini di richiesta di prove di sicurezza ed efficacia, ai fini della loro approvazione e introduzione sul mercato.

E ChatGPT può essere utile a medici e pazienti nel campo dell'intelligenza artificiale?

A differenza dei classici strumenti di intelligenza artificiale in grado di interpretare linee guida, storie cliniche dei pazienti e dati raccolti secondo regole ben precise, ChatGPT è invece uno strumento che utilizzando modelli linguistici di grandi dimensioni è in grado di aiutare a scrivere testi semplici e comprensibili. Quando si pongono delle domande a chat GPT il sistema trova, attraverso il software, le parole con maggiore probabilità di essere affini a quelle che le precedono rispetto ad altre che rimangono escluse. È un sistema capace di scrivere testi molto chiari ma non necessariamente affidabili: ChatGPT, infatti, attinge da tutto ciò che è su internet, comprese molte fake news.

Tuttavia, le potenzialità sono molte: si potrebbe sfruttare Chat GPT per sintetizzare e semplificare referti, lettere di dimissioni o documenti complessi in un linguaggio facilmente comprensibile dai pazienti. Oppure, ancora, per organizzare la documentazione all'interno di una struttura sanitaria. Questo strumento, dunque, può essere utile sia per i pazienti che per il personale dell'ospedale, ma non solo. Anche gli studenti possono sfruttarlo per la loro formazione, come supporto allo studio in preparazione degli esami.

Finché non verrà ristretto il campo da cui prendere le informazioni, inserendo solo quelle affidabili e validate, dovremo comportarci come quando cerchiamo informazioni su Google, verificando che le risposte fornite siano coerenti e attendibili. Occorrerebbe fare più domande simili e confrontare i risultati di quello che si ottiene con ChatGPT e altre fonti come i siti web istituzionali. Con questi strumenti la cautela è d’obbligo, come suggerito dall’OMS per evitare che la fiducia nell'intelligenza artificiale più “tradizionale” sia persa a scapito dei potenziali benefici dati dal suo impiego.

L'impegno del Mario Negri nella ricerca sull'intelligenza artificiale in medicina

L’Istituto Mario Negri è impegnato in diversi studi che sviluppano o adottano strumenti di intelligenza artificiale.

Il Laboratorio di Medical Imaging è impegnato nello sviluppo e nell’applicazione di algoritmi di Machine Learning. Gli ambiti principali sono:

• applicazione di un modello di deep learning (cioè apprendimento profondo) per effettuare misurazioni quantitative di porzioni sane e patologiche, in gergo tecnico "segmentazione automatica di strutture anatomiche sane e patologiche". Queste misurazioni possono rappresentare un importante biomarker per la valutazione di una malattia. L'approccio, che nel periodo della pandemia è stato diffusamente impiegato in ambito polmonare, sta trovando sempre maggiori applicazioni a livello renale e in altri distretti anatomici.
• predizione dell’outcome clinico della fistola arterovenosa, che permette l’accesso al sistema venoso del paziente che deve sottoporsi al trattamento emodialitico e viene ottenuta chirurgicamente unendo un'arteria e una vena. Nelle settimane che seguono la chirurgia, la fistola arterovenosa va incontro a un processo di “maturazione”, il flusso di sangue aumenta e il vaso si dilata e si ispessisce, in modo da agevolare il prelievo del sangue e assicurare un trattamento dialitico efficiente. Tuttavia, non tutte le fistole maturano con successo a causa di tanti fattori che influiscono sulla sua maturazione (diametri dei vasi, ematocrito, pressione sanguigna, presenza di patologie come ipertensione e diabete). Grazie ad un algoritmo in grado di predire la maturazione, è possibile sapere a priori se la fistola avrà successo, evitando così operazioni inutili. Un passo importante nella direzione della medicina di precisione.

‍

Lo studio eCREAM

Una particolare categoria di strumenti di intelligenza artificiale è quella che fa riferimento al Natural Language Processing, utile per processare ed interpretare il linguaggio “naturale”, inteso come linguaggio specialistico. In ambito medico, per esempio, sono utilizzati per analizzare le note delle cartelle cliniche nelle quali si riporta, in forma testuale, il decorso ospedaliero di un paziente (capi note): l’IA in questo caso sarà in grado di estrarre eventi accaduti che non sono stati correttamente riportati nella cartella clinica. Lo sviluppo di uno strumento di questo genere è alla base di un progetto europeo chiamato eCREAM (enabling Clinical Research in Emergency and Acute care Medicine), recentemente finanziato dalla Commissione Europea nell’ambito del programma Horizon Europe e coordinato da Guido Bertolini, responsabile del Dipartimento di Epidemiologia medica, con l’obiettivo di sviluppare una piattaforma informatica che raccolga in modo automatico i dati dagli applicativi usati nei Pronto Soccorso e in altri reparti ospedalieri rendendoli disponibili, una volta anonimizzati, per scopi di ricerca clinica nel campo della medicina d’urgenza. Il medico, compilando la cartella clinica, farà così automaticamente anche la raccolta dati per la ricerca senza dover dedicare del tempo ad hoc.

Le tecnologie sviluppate nell’ambito di eCREAM saranno testate in due casi d’uso. Nel primo caso si studierà la propensione al ricovero in Pronto Soccorso attraverso modelli matematici che predicono la probabilità di un paziente di essere ricoverato. Nel secondo caso si studierà l’affluenza al pronto soccorso per fornire informazioni ai diversi operatori dell’emergenza-urgenza, a chi ha responsabilità di politica sanitaria e ai cittadini, in modo da migliorare il servizio di assistenza e renderlo sempre più personalizzato sulle caratteristiche del paziente, della condizione clinica e del territorio.

‍

Lo studio I3LUNG

Lo studio I3LUNG è un progetto europeo che ha come obiettivo l’implementazione delle cure mediche personalizzate con l'intelligenza artificiale, per i pazienti con tumore al polmone. Il progetto coinvolge sei centri clinici di eccellenza per la cura del tumore del polmone (Italia, Germania, Spagna, Grecia, Israele, USA) e vede la partecipazione di 16 tra le migliori organizzazioni europee e internazionali in ambito oncologico, tra cui i ricercatori del Dipartimento di Oncologia Sperimentale, guidato da Massimo Broggini. ‍

I3LUNG mira a creare uno strumento decisionale all'avanguardia che aiuterà sia i medici che i loro pazienti a selezionare la migliore cura, sia per efficacia che per risposta ai loro specifici bisogni e necessità. Il progetto utilizzerà l'intelligenza artificiale, in particolare le metodologie dette di apprendimento profondo e approfondimento automatico (Deep Learning e Machine Learning) per analizzare a pieno tutta la grande quantità di informazioni disponibili per questo tumore. Verranno raccolte le caratteristiche cliniche, genetiche e molecolari, le immagini radiologiche e le caratteristiche del tumore già disponibili per 2.000 pazienti arruolati in studi clinici nei centri partecipanti al progetto. È inoltre previsto uno studio psicologico per sviluppare uno strumento di supporto alla decisione medica.