L’intelligenza artificiale (IA) applicata nel campo biomedico, come già evidenziato nell’ articolo “ID-DR”, ha fondamentalmente il ruolo di coadiuvare il lavoro del personale sanitario in ogni suo aspetto.
Oggi si sta assistendo all’uso delle IA nelle strutture ospedaliere come una sorta di “filtri attivi” per mettere ordine tra milioni di dati, cioè le cartelle cliniche dei pazienti e non solo. Infatti sempre più spesso vengono utilizzate per individuare, tra due o più soggetti con caratteristiche patologiche e fisiologiche completamente diverse, mutazioni e sviluppi simili di una stessa malattia. Le informazioni che emergono da questo rapporto digitalizzato, realizzato dagli algoritmi alla base delle stesse IA, tornano al medico, il quale in base alla sua esperienza, riesce ad individuare più facilmente correlazioni tra il caso sotto esame e quelli precedenti.
Alla base del funzionamento di questo sistema integrato composto da intelligenza artificiale e struttura ospedaliera, è necessaria l’esistenza del fascicolo sanitario elettronico, cioè la storia clinica del paziente. A tutto ciò va aggiunta una rete di comunicazione tra gli ospedali, al fine di garantire cure migliori ed evitare esami diagnostici superflui per la persona.
Applicazione del modello di sanità integrata digitale
In Italia l’applicazione del modello di sanità integrata digitale precedentemente descritto, è ancora lontano da una possibile realizzazione: il Servizio Sanitario Nazionale (SSN) infatti non è digitalizzato nel suo insieme e non fa rete tra i vari ospedali nazionali. Parallelamente, in Israele tutto questo è già realtà. Infatti da oltre 20 anni il sistema sanitario è completamente basato su un “hub” tra tutti gli ospedali presenti sul territorio, e per questo motivo è stato possibile cominciare ad introdurre le IA nelle strutture ospedaliere.
Al Rabin Medical Center di Tel Aviv da tempo è stato implementato il sistema informatico Alma basato su IA, che non solo si occupa della gestione ottimale e in tempo reale dei carichi di lavoro del personale, ma anche della scelta e corretto dosaggio dei farmaci per ogni persona in relazione alla terapia. Attraverso questo sistema informatico, l’ospedale ha avuto e continua ad avere, una migliore coordinazione tra gli operatori sanitari e i pazienti rispetto ad altre realtà. Si riescono a garantire cure migliori, riducendo al tempo stesso la possibilità di fare errori da parte dei medici.
Inoltre, i dati diagnostici raccolti per ogni singola persona tramite questo sistema, vengono trasferiti sulla cartella digitale, la quale può essere consultata da qualsiasi struttura sanitaria su tutto il territorio nazionale ed aggiornata in maniera esaustiva su tutta la storia clinica del paziente. In tal senso viene evitato così l’overtreatment, cioè la reiterazione di esami diagnostici già svolti presso altri istituti sanitari.
Ad oggi al Rabin Medical Center si sta cercando di migliorare lo stesso sistema informatico in modo che svolga anche una funzione predittiva. L’IA alla base di Alma redigerà dei rapporti statistici confrontando i dati derivanti dalle cartelle cliniche dei pazienti, con il database delle immagini dei casi di avvenuto riscontro della patologia; in questo modo i medici potranno avere una sorta di “previsione”su cosa andrà incontro la persona.
Dunque gli ambiti della sanità che possono essere affiancati dall’utilizzo di IA sono tanti quanti le potenzialità possedute da quest’ultime. Vediamo allora in quale altri modi le intelligenze artificiali stanno contribuendo alla digitalizzazione del mondo della sanità.
Cancer Commons: l’IA come punto di incontro per la lotta al cancro
Cancer Commons è uno strumento digitale no-profit basato su un network composto da pazienti, scienziati, medici, strutture sanitarie e istituti di ogni parte del mondo, il cui fine è quello di identificare le migliori opzioni per il trattamento del cancro per ogni persona. I membri che costituiscono questa “rete”, contribuiscono e mettono a disposizione le loro competenze, metodologie di trattamento, prove cliniche, esiti ed esperienze dei pazienti.
Ogni persona affetta da cancro e in dubbio sul trattamento da seguire, può contattare questa associazione online: l’assistenza fornita da questa “conoscenza collettiva”, consente di aiutare a determinare le cure personalizzate più accurate per ognuno, grazie anche all’uso di una IA.
In base al feedback ricevuto dal trattamento seguito da altri pazienti e i dati derivanti dagli esami clinici, l’IA tramite il deeplearning riesce sempre più ad ottimizzare ed elaborare la tipologia di trattamento più efficiente rispetto agli studi clinici di base, migliorando lo stato di salute per i pazienti anche con tumore in stato avanzato.
Questa associazione è stata fondata da Marty Tenenbaum, ricercatore sull’intelligenza artificiale a Stanford ed esperto di robotica.
Marty Tennenbaum
Tutto è iniziato vent’anni fa, quando mi diagnosticarono un melanoma con metastasi al fegato. All’epoca era una condanna a morte, non esistevano i farmaci di precisione.
Incontravo decine di medici e capivo che ero nei guai fino al collo, ma giurai che se fossi riuscito a sconfiggere la mia malattia, avrei impiegato il resto della mia vita a fare qualcosa di significativo per chi si fosse trovato nelle mie condizioni.
Marty tentò una miriade di approcci per affrontare il cancro e innumerevoli trial clinici. Alla fine riuscì a inserirsi in un test sperimentale, che funzionò solo per un ristretto numero di pazienti, tra i quali fortunatamente c’era anche lui.
Da quel momento, volle impiegare tutte le sue competenze in materia di intelligenza artificiale, in un’altra direzione rispetto a ciò che aveva fatto prima che gli fosse diagnosticato il melanoma. Usò le sue conoscenze per garantire che altre persone non dovessero provare ciò che aveva vissuto lui: cioè il non sapere cosa fare e quale terapia fosse quella giusta da adottare per lottare contro la malattia. Fondò così Cancer Commons.
Il lavoro congiunto di questo sistema composto da esperti del settore sanitario e strutture con gli algoritmi dell’IA, ha permesso e permette tutt’ora di coordinare in maniera efficiente, dati delle cartelle cliniche digitali dei pazienti, variabili e approcci scientifici alla malattia, riuscendo a definire un quadro di tutti i trattamenti possibili in sole 48 ore.
Più informazioni vengono accumulate, più l’intelligenza artificiale aiuta in maniera direttamente proporzionale gli esperti a prendere decisioni consapevoli e corrette per le persone malate. In questo sistema, ognuno impara continuamente dall’altro.
PathAI: la patologia diventa digitale
Negli USA già dalla fine del 2018, c’è stato un forte incremento della domanda da parte di diverse aziende biomediche, alla FDA (Food and Drug Administration) per ottenere l’autorizzazione alla produzione dei primi strumenti supportati da IA per il settore della diagnostica in vitro. A differenza di campi come la radiologia e l’oftalmologia, in cui le diagnosi sono tipicamente limitate alla valutazione grafica, le diagnosi in patologia incorporano varie tipologie di strumenti inerenti alla biochimica, immunologia e genetica; quest’ultime forniscono immagini di campioni di tessuto che hanno un contenuto informativo più elevato.
Ciò comporta l’avere una enorme quantità di dati che, attraverso l’IA, possono essere analizzati in maniera così dettagliata da rendere quasi impossibile non riuscire a fornire un responso diagnostico chiaro.
Il patologo Andrew H. Beck proprio per questo motivo, ha co-fondato e gestisce una startup da tre anni, chiamata PathAI, dove viene realizzata strumentazione per i laboratori clinici supportata dall’intelligenza artificiale, avente lo stesso nome della startup. Attualmente l’azienda di Beck è partner di Philips, colosso della tecnologia sanitaria olandese, per rilevare automaticamente lesioni cancerose nel tessuto mammario.
La patologia sarà una delle aree in cui per la prima volta l’ IA rivoluzionerà veramente la medicina.
PathAI allena i suoi algoritmi di apprendimento automatico, su diapositive digitalizzate dei campioni di tessuto accoppiate a dati clinici: aggressività del tumore, piani di trattamento, esiti dei pazienti, il tutto proveniente dalle cartelle cliniche digitali. Tramite il deep learning appunto, l’IA ha la possibilità di fare analisi statistiche sempre più complesse e che vanno ben oltre la capacità di qualsiasi cervello umano.
Ma i modelli di apprendimento dell’intelligenza artificiale non si limitano a individuare le cellule cancerose e a valutare lo stato di avanzamento della malattia: analogamente a quanto visto per Cancer Commons anche in questo caso l’IA suggerisce anche delle linee di attacco alla malattia.
Ma in che modo riesce ad elaborare questa strategia di cura? L’IA effettua un’analisi statistica delle cellule immunitarie che circondano il tumore, ed una valutazione di quelle cellule che godono di proprietà utili alla cura. In seguito effettua un confronto dei risultati ottenuti, con i trattamenti immunoterapici aventi il più alto tasso di efficacia su quella tipologia di tumore.
Ad esempio per aiutare i medici a pianificare un attacco a un tumore polmonare, il software PathAI mappa i tipi di tessuto presenti, mostrando in rosso le cellule epiteliali che sono fondamentali per la progressione del cancro. Crea anche una mappa delle cellule immunitarie, mostrate come quadrati gialli, per determinare se i nuovi farmaci immunoterapici usati potrebbero essere efficaci (nelle immagini sottostanti è rappresentato tale meccanismo di elaborazione):
Tuttavia anche in questo caso si presenta l’ostacolo della digitalizzazione del sistema sanitario: per utilizzare questi algoritmi occorre che le immagini siano in formato digitale, affinché patologo e IA possano esaminarle per effettuare la diagnosi. Purtroppo anche negli USA non tutti gli istituti sanitari sono in grado di archiviare tali quantità di dati; gli ospedali hanno serie difficoltà nell’incorporare l’analisi automatizzata delle diapositive, sia per il costo che per le dimensioni di esse.
L’Ohio State University Comprehensive Cancer Center, è uno degli unici siti negli Stati Uniti dove i patologi ora stanno digitalizzando le diapositive come parte del loro flusso di lavoro diagnostico di routine. Anil Parwani responsabile di patologia digitale del centro, afferma che la piattaforma completamente digitale dell’ospedale si ripagherà da sola entro cinque anni, grazie ai miglioramenti nella produttività dei medici e alla riduzione degli errori diagnostici.
La società di Beck ora sta lavorando su altri aspetti dei tumori: sta sviluppando algoritmi per affrontare le problematiche più complesse per i patologi, come l’identificazione delle metastasi nei linfonodi e la determinazione dello stato di avanzamento del cancro.
Sepsis Watch: quando l’ospedale diventa “intelligente”
Negli ospedali, i medici e gli infermieri vigilano sempre attentamente sui segni vitali e sulle analisi del sangue dei pazienti per scongiurare i primi sintomi della sepsi. Quest’ultima corrisponde ad un’infezione che può verificarsi specialmente nei decorsi post-operatori. Essa si propaga in tutto il corpo, all’interno dei vasi sanguigni in maniera graduale: se non viene diagnosticata tempestivamente, può portare anche al collasso totale degli organi interni per shock settico. Negli Stati Uniti il tasso di mortalità è di quasi il 50% dei degenti.
Ma anche il personale più efficiente si stanca e può commettere errori. Per questo motivo alcuni ospedali stanno sperimentando rivelatori di sepsi artificialmente intelligenti. Sepsis Watch è il primo vero esempio dell’integrazione di intelligenza artificiale nelle operazioni ospedaliere, con il flusso di dati provenienti da cartelle cliniche elettroniche e con le notifiche dell’IA inserite nei flussi di lavoro dei medici.
Nel dicembre 2018 il Duke University Hospital è stata una delle prime strutture sanitarie ad aver ufficialmente adottato Sepsis Watch, il sistema informatico basato sull’intelligenza artificiale che identifica i casi di sepsi incipiente e funge da allarme per il personale medico. Esso è stato addestrato attraverso algoritmi di deep learning per identificare casi basandosi su quantità enormi di variabili tra cui: segni vitali, risultati dei test di laboratorio e cartelle cliniche digitali; circa 50.000 cartelle cliniche comprendenti oltre 32 milioni di dati.
Il suo funzionamento consiste nel raccogliere informazioni dalle cartelle cliniche dei pazienti ogni 5 minuti per valutare le loro condizioni, effettuandone ripetutamente un’analisi intensiva in tempo reale che il personale non è in grado di fornire con costanza.
Il futuro della sanità dipende dalle intelligenze artificiali?
Come con qualsiasi nuova tecnologia, c’è il rischio di sovrastimare ciò che l’intelligenza artificiale può fare nel campo sanitario. Ovviamente le IA utilizzate in modo appropriato, possono essere utili è un dato di fatto, come visto.
Parallelamente non si può affermare però che gli ospedali dipenderanno in maniera simbiotica da quest’ultime.
Ma i tassi di successo elevati registrati dei sistemi basati sull’intelligenza artificiale nel riconoscere la presenza di determinate malattie specifiche hanno spinto a domandarsi : le IA potrebbero andare oltre l’assistenza e alla fine sostituire completamente la persona nelle professioni sanitarie? Andrew H.Beck di PathAI respinge questa possibilità.
Andrew H.Beck
L’apprendimento automatico può aiutare con compiti diagnostici specifici, ma trovare il miglior trattamento per un paziente malato richiede la sintesi di molti tipi di informazioni cliniche, tra cui colorazione cellulare, annotazioni proteiche, profili genetici e cartelle cliniche elettroniche. È necessario un attento giudizio per mettere insieme tutte le informazioni e giungere a un piano di diagnosi e trattamento definitivo, soprattutto da parte dei patologi umani. L’IA non capirà da sola.
Gli sviluppi crescenti delle malattie stanno mostrando un risultato più probabile e realistico: cioè che le IA, renderanno la complessità sempre crescente della medicina moderna, gestibile per gli esseri umani.
Dunque solo un sistema composto da uomo e macchina, soprattutto negli ospedali, migliorerà ciò che ciascuno potrebbe fare individualmente.
All’inizio, il miglioramento sarà piccolo ma poi sarà grandioso per tutti.
