L’Intelligenza Artificiale, le cui applicazioni stanno trasformando il tradizionale approccio alla ricerca scientifica, alla pratica clinica e alla sanità pubblica, sarà un fattore chiave per migliorare gli impegni sul raggiungimento della copertura sanitaria universale, a livello globale e in linea con gli obiettivi di sviluppo sostenibile dell’ONU.
I fronti su cui l’applicazione dell’IA comporterà un evidente miglioramento dei sistemi sanitari includono la diagnostica precoce delle malattie, l’amministrazione e la gestione delle cure, la sorveglianza della salute pubblica.
Tuttavia, per sfruttarne al meglio i benefici nel rispetto dei diritti individuali e collettivi sarebbe quanto mai necessario, soprattutto in vista di obiettivi di salute globale, misurare se e in che modo gli interventi basati sull’intelligenza artificiale aggiungano valore agli attuali standard di cura, con l’elaborazione di un’agenda di ricerca globale per gli interventi AI-based.
Indice degli argomenti
Verso gli Obiettivi di Sviluppo Sostenibile 2030
Il gruppo di massimi esperti sulla cooperazione digitale del Segretario Generale delle Nazioni Unite raccomanda che entro il 2030 ogni adulto abbia accesso alle reti digitali e ai servizi finanziari e sanitari abilitati digitalmente, quali mezzi per contribuire al raggiungimento degli Obiettivi di Sviluppo Sostenibile (Sustainable Development Goals: SDGs).[1], [2]
L’impiego dell’IA si mostra cioè particolarmente promettente per sollevare le difficili condizioni sanitarie in cui versano soprattutto i Paesi a basso reddito: questi luoghi sono, infatti, ancora afflitti da problemi sanitari come le malattie trasmissibili (prime fra tutte tubercolosi e malaria), le quali contribuiscono fortemente agli alti livelli di morbilità e mortalità locali essendo favorite dalla grave carenza di personale sanitario e dai deboli sistemi di sorveglianza della salute pubblica. Conseguentemente, sebbene non esclusivi dei Paesi più svantaggiati, i problemi sanitari raggiungono quivi una portata tale da minare il progresso globale verso il raggiungimento degli Obiettivi di Sviluppo Sostenibile entro il 2030.
Sistemi basati sull’IA possono dare risposte interessanti soprattutto ad alcuni traguardi dell’Obiettivo 3, che nel suo insieme mira ad assicurare la salute e il benessere per tutti e per tutte le età. In particolare, tra i traguardi che possono più favorevolmente risentire dell’applicazione delle nuove tecnologie, vi sono:
- il traguardo 3.3, che ambisce a porre fine a epidemie come AIDS, tubercolosi, malaria e malattie tropicali trascurate, nonché a combattere le altre malattie trasmissibili;
- il 3.4, che mira a ridurre di un terzo la mortalità prematura da malattie non trasmissibili attraverso la prevenzione e il trattamento;
- il 3.8, che punta a conseguire una copertura sanitaria universale e l’accesso ai servizi essenziali di assistenza sanitaria di qualità. [3]
La maggior parte degli studi scientifici attualmente disponibili è in proposito concentrata sulle malattie trasmissibili, tra cui tubercolosi, malaria, dengue e altre malattie infettive; una minoranza di studi affronta invece temi come le malattie non infettive in bambini e neonati, le complicanze del parto pretermine, la malnutrizione, malattie non trasmissibili come il cancro del collo dell’utero, temi di politica sanitaria per migliorare le prestazioni e migliorare l’allocazione delle risorse.
Le attività sanitarie che avranno benefici dall’applicazione dell’IA
I sistemi di IA finora applicati e apparentemente idonei per produrre benefici in termini di salute globale includono approcci di data-mining, machine-learning, natural language processing, signal processing, e fanno capo a quattro categorie principali di attività[4] che sono:
- diagnosi;
- valutazione del rischio di morbilità o mortalità;
- previsione e sorveglianza delle epidemie;
- pianificazione sanitaria.
Diagnosi
In campo diagnostico, sistemi di machine-learning e signal processing sono stati ad esempio utilizzati su immagini radiologiche digitali del torace allo scopo di identificare casi di tubercolosi, e altri usi sono stati sperimentati su dati derivati da immagini acquisite al microscopio per l’individuazione della malaria e per la diagnosi di malattie non trasmissibili come il cancro della cervice uterina. Si è visto in questi casi che tali sistemi basati sull’IA sono capaci di offrire supporto al medico nella valutazione diagnostica con sensibilità, specificità e accuratezza diagnostica sorprendentemente alte.
Valutazione del rischio
La valutazione del rischio di morbilità e mortalità è stata affrontata utilizzando l’apprendimento automatico su dati amministrativi di strutture sanitarie allo scopo di prevedere la gravità di malattia nei pazienti con febbre dengue e malaria, e nei bambini con infezioni acute. Analogo approccio è stato sperimentato anche per quantificare il rischio di fallimento del trattamento della tubercolosi e per valutare il rischio di sequele cognitive dopo infezione da malaria nei bambini. Altri usi hanno riguardato la stima di fattori di rischio perinatali partendo da dati d’immagini ecografiche e altre variabili personali della gravidanza dando risultati ad elevata precisione.
Sorveglianza delle epidemie
La sorveglianza delle epidemie è stata affrontata applicando l’IA a dati di telerilevamento raccolti da sensori satellitari, aerei e locali. Ciò si è rivelato utile per caratterizzare e realizzare modelli di previsione, ad alta precisione, della trasmissione virale del virus Zika e del virus della dengue, oltre che di quella della malaria. Le evidenze trovare a proposito delle trasmissioni virali hanno offerto risultati migliori di quelli basati su metodi di regressione lineare.
Pianificazione sanitaria
In tema di pianificazione sanitaria sono stati utilizzati sistemi di apprendimento automatico per i dati amministrativi con obiettivi come: ottimizzare l’allocazione delle risorse in base alle problematiche sanitarie prevalenti in una certa area geografica; migliorare i programmi di visita degli operatori sanitari di comunità; fare previsioni sul numero di visite ambulatoriali in un dato ospedale; predire la durata necessaria del soggiorno degli operatori sanitari in comunità svantaggiate.
Tra tutte, le applicazioni dell’IA più promettenti per il raggiungimento degli obiettivi di sviluppo sostenibile 2030 sembrano al momento essere quelle in campo diagnostico, principalmente riferite alla diagnosi di malattie infettive, potendo in parte anche compensare la grave carenza di personale e provider sanitari nei Paesi a basso reddito.
Un’agenda di ricerca globale per gli interventi AI-based
D’altro canto, aspetti come l’individuazione di standard metodologici per la valutazione dell’efficacia di tali interventi, e l’elaborazione di specifici riferimenti di carattere etico e normativo, non sono stati sufficientemente esplorati né affrontati sistematicamente. Troppo poco si sa ancora su come tali interventi funzionino al di fuori degli ambienti di studio, e se vi siano possibili conseguenze cliniche e sociali indesiderate. Sarebbe invece quanto mai necessario, soprattutto in vista di obiettivi di salute globale, misurare se e in che modo questi interventi aggiungano valore agli attuali standard di cura, per sfruttarne al meglio i benefici nel rispetto dei diritti individuali e collettivi.
Si potrebbe intanto partire dall’elaborazione di un’agenda di ricerca globale per gli interventi AI-based rilevanti ai fini del raggiungimento dell’Obiettivo 3 sulla Salute, che tenga conto delle esigenze di popolazione locali e dei vincoli dei sistemi sanitari nonché dell’onere delle malattie nei Paesi a basso reddito ma anche delle loro ricadute globali, allo scopo di indirizzare sia gli studi che i finanziamenti nella giusta direzione. Nell’elaborazione di questa agenda, si dovrebbe poi prevedere l’adozione di regole atte a prevenire usi impropri e/o pericolosi, nonché possibili discriminazioni etniche, socioeconomiche e di genere, come previsto da regolamenti già esistenti nei Paesi ad alto reddito come gli Stati membri dell’UE.
Una buona agenda di ricerca con ricadute globali dovrebbe infine includere l’elaborazione di protocolli per la condivisione dei risultati degli studi e l’adozione di standard sull’interoperabilità dei dati allo scopo di consentire lo scambio transfrontaliero e la collaborazione internazionale su quanto emerso dai processi di sperimentazione e sviluppo.
Insomma, un’agenda di ricerca sull’IA applicata alla salute che nasca già con una visione globale e che sia idonea a supportare il raggiungimento dei traguardi previsti entro il 2030, altrimenti improbabili.
Note
- UN Secretary-General’s High-level Panel on Digital Cooperation
The age of digital interdependence. https://www.un.org/en/pdfs/DigitalCooperation-report-for%20web.pdf - Kickbusch I, Agrawal A, Jack A, Lee N, Horton R Governing health futures 2030: growing up in a digital world-a joint The Lancet and Financial Times Commission. nLancet. 2019; 3941309 ↑
- https://unric.org/it/agenda-2030/ ↑
- https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30226-9/fulltext?utm_content=129472180&utm_medium=social&utm_source=twitter&hss_channel=tw-27013292 ↑
Partecipa alla community