psichiatria

Salute mentale, così l’intelligenza artificiale può aiutare i pazienti e il sistema sanitario

Ci vorranno ancora diversi anni perché le nuove tecnologie, e in particolare la combinazione di dispositivi mobili e software basati su intelligenza artificiale diventino parte ordinaria dell’arsenale a disposizione di psichiatri e psicoterapeuti. Ma le prospettive sono interessanti. Ecco il quadro delle soluzioni

Pubblicato il 21 Feb 2020

Mirko De Maldè

Blockchain in Healthcare Today – Italian Ambassador

one digital health

La salute mentale sta emergendo sempre più come una delle più grandi sfide con cui sono chiamati a confrontarsi i sistemi sanitari in Europa e nel mondo, con costi umani, sociali ed economici enormi.

In tale contesto, le nuove tecnologie, e in particolare la combinazione di dispositivi mobili e software basati su intelligenza artificiale, hanno già mostrato di poter giocare un ruolo assolutamente primario nell’offrire strumenti avanzati e a basso costo per svolgere screening su tutta la popolazione, diagnosi precoce e anche nuovi modelli di cura a distanza.

Tali strumenti, combinati con altri dati, possono contribuire al miglioramento delle cure, rendendo possibili trattamenti personalizzati, sfruttando dati comportamentali e ambientali oggi più facilmente reperibili grazie a smartphones e IoT, e combinarli con dati genetici e dati di imaging avanzati (incluse functional MRIs) per giungere a una capacità di predizione del rischio di patologie mentali, migliorando prevenzione, diagnosi e cura[1].

Proponiamo una panoramica sulle opportunità di queste nuove tecnologie sia per quanti soffrono di disagi mentali, quanto per i professionisti nel settore e le relative strutture pubbliche.

Problemi mentali, i dati e i costi sociali e economici

Secondo le più recenti stime, una persona su sei in Europa ha sofferto di problemi mentali nel 2016, per un totale di 84 milioni di persone. La World Health Organisation ha stimato che ogni 40 secondi una persona muore causa suicidio, e per ognuna che riesce a porre termine alla propria esistenza, altre venti tentano di farlo[2]. Fra i problemi più comuni si trovano ansia e depressione, seguiti da problemi di dipendenza da alcol e droghe, per concludere con patologie più gravi (come disturbo bipolare o schizofrenia).

Il recente rapporto Health at a Glance 2018[3] ha sottolineato il grande impatto dei problemi mentali nella popolazione europea, con decine di milioni di cittadini affetti da almeno una patologia mentale. A tali dati corrispondono numeri allarmanti in termini di mortalità, che risulta essere molto più alta nella popolazione affetta da patologie mentali rispetto a quella di altre patologie croniche (principalmente a causa di inadeguati livelli di prevenzione e cura), e che reca con sé un drammatico bilancio di circa 84.000 morti per patologie mentali in Europa (inclusi i suicidi) nel 2015. Un dato, questo, da considerarsi conservativo, in virtù di un “sommerso” costituito da tutta quella popolazione per cui non si arriva mai ad una diagnosi, anche per via della tendenza a non rivolgersi alle strutture sanitarie per questo tipo di problemi e tenere il proprio disagio mentale nascosto finanche ai propri cari, anche a causa dello stigma sociale ancora associato alle patologie mentali.

A questo importante costo sociale corrisponde un altrettanto grande costo economico: si stima che il costo delle patologie mentali sia arrivato a superare il 4% del PIL europeo (EU28) nel 2015 (600 milioni di dollari, fra costi diretti dei servizi sanitari, costi dei programmi di supporto sociale, e costi indiretti sul mercato del lavoro – sia a causa della riduzione dell’occupabilità che a causa della ridotta produttività). In un simile contesto, molti sistemi sanitari in Europa ancora soffrono di carenze sia in termini di personale che in termini di strutture specializzate.

Le sperimentazioni in corso con l’intelligenza artificiale per la salute mentale

Non sorprende, pertanto che molte sperimentazioni in corso stiano tentando di sfruttare le capacità dell’intelligenza artificiale (in particolare nel riconoscimento di pattern e nell’analisi di dati di diversa natura e relativa “clusterizzazione/profilazione” dei pazienti) per svolgere diagnosi precoce, o segnalare comportamenti a rischio – capacità particolarmente utile nel caso di tendenze suicide o all’autolesionismo.

La promessa è quella di trasformare i nostri device mobili in nuove fonti di dati in grado – con il supporto di sistemi basati sull’intelligenza artificiale – di trasformare diagnosi normalmente ancorate a valutazioni qualitative in un processo basato sempre più su dati oggettivi, in grado di supportare il percorso diagnostico con elementi raccolti in tempo reale e continuativamente, di offrire assistenza h24 a basso costo e facilitare molto l’accessibilità ai servizi, anche in condizioni di totale anonimato.

Proprio rispetto all’anonimato, è interessante rilevare come le tecnologie informatiche possano aiutare a superare la resistenza che induce molti cittadini con problemi mentali a non ricorrere a cure, a causa del tuttora persistente stigma sociale nei confronti delle patologie mentali. Un recente studio ha mostrato come molti individui si sentano più a loro agio a condividere un problema mentale con un software autonomo, piuttosto che con un’interfaccia governata in ultima istanza da un umano. Il motivo principale di questa preferenza risiedeva nella convinzione che la macchina, a differenza dell’umano, non potrebbe mai formulare giudizi morali nei confronti del paziente[4].

Una tale preferenza potrebbe agire da catalizzatore per una più ampia e articolata attività di screening e prevenzione, oggi di fatto assente – laddove la diagnosi avviene in un contesto clinico – non sempre nelle migliori condizioni né per il paziente né per il personale medico – quando la patologia è già insorta ed è già in grado di comportare un livello di disagio tale da richiedere un intervento professionale.

L’elemento della accessibilità riveste particolare importanza anche per i clinici, che riuscirebbero così a mantenere con i pazienti (e specialmente quelli a più alto rischio) una interazione più costante, in parte riducendo i problemi connessi ad una mancanza di personale e risorse specializzate nel territorio. Un recente articolo comparso sul TIME[5] ha indicato come una interazione costante con pazienti a rischio suicidio può mantenerli più al sicuro e ridurre il rischio.

Gli sviluppi nel settore della predizione e della diagnosi precoce

Molto interessanti sono gli sviluppi nel settore della predizione e della diagnosi precoce. Tale processo di screening e di prevenzione si rende via via più possibile e concreto con l’avanzare di una serie di tecnologie, dall’analisi testuale all’analisi dei movimenti, dall’analisi della voce all’analisi delle espressioni facciali[6]. Proprio grazie a questi recenti sviluppi si è potuto assistere all’esplosione di una serie di applicazioni per dispositivi mobili in grado di rilevare la presenza di un disagio mentale proprio combinando l’analisi di una serie di fattori, inclusi il tono di voce, il modo in cui si scrive sulla tastiera, movimento degli occhi, cui si aggiungono – laddove disponibili – i dati indiretti di movimento da altri sensori presenti negli stessi dispositivi.

È il caso dell’algoritmo sviluppato presso l’Università Vanderbilt di Nashville (e validato su 5000 casi) che – combinando dati quali età, medicazioni, storia clinica, è riuscita a predire con una accuratezza dell’84% la possibilità di un tentativo di suicido entro la settimana successiva all’analisi[7].

Il sistema sviluppato da Neurolex Diagnostic è in grado di diagnosticare patologie come schizofrenia e depressione dall’analisi della voce, ed è già compatibile come Amazon Alexa.

Strumenti come DeepMood e Mindstrong sviluppano diagnosi a partire dall’uso della tastiera/schermo degli smartphone. L’app Companion – sviluppata da Cogito – aiuta medici e infermieri a monitorare lo stato di salute mentale dei loro pazienti tramite l’analisi vocale[8]. È stato stimato che esistono fino a 1000 biomarcatori per la depressione estraibili da un normale smartphone[9]. In un recente studio della Columbia University, si è dimostrato come specifici algoritmi siano in grado di predire – con percentuali di accuratezza fino al 100% – la possibilità di sviluppare psicosi in una popolazione di adolescenti a rischio[10].

Persino le pubblicazioni su un social media come Instagram sono state rese oggetto di analisi per predire il rischio di depressione in un centinaio di utenti, con risultati comparabili a quelli di medici non specializzati. Facebook (che ha avuto suo malgrado un ruolo nella diffusione di video di suicidi in diretta) sta esplorando l’uso di algoritmi per valutare i post dei propri utenti e segnalare ad operatori umani quelli che possono far presagire comportamenti sucidi o autolesionistici[11].

Tutti questi strumenti offrono, come si è visto, capacità di diagnosi a basso costo e molto capillare (usando di fatto gli smartphone degli utenti), andando a colmare un vuoto proprio dove serve, ovvero nella fase di diagnosi precoce e monitoraggio della salute mentale a livello di popolazione.

Uso degli algoritmi nel management e trattamento di specifiche patologie

La diagnosi non è il solo settore nel quale questi algoritmi possono fare la differenza. Gli algoritmi possono svolgere un ruolo anche nel management e nel trattamento di specifiche patologie, offrendo una assistenza continuativa ai pazienti, e offrendo allo stesso tempo due importanti vantaggi: da un lato, completo anonimato – cosa che (come anticipato) risulta essere un elemento che favorisce il ricorso a simili strumenti proprio per la garanzia – fornita all’utente – di neutralità e assenza di “giudizio umano”. Dall’altro, alti livelli di accessibilità proprio quando ce ne è bisogno, e quando potrebbe essere difficile trovare un operatore umano disposto ad ascoltarci (si pensi di notte, o durante festività, quando si verifica una più alta occorrenza di fenomeni connessi a disagi mentali).

App quali Moodkit, Woebot, e Wysacombinano Intelligenza artificiale e principi di terapia cognitivo comportamentale per offrire agli utenti una possibilità di esprimere il proprio disagio, offrendo a loro volta consigli e indicazioni per migliorare l’umore, incluse tecniche di meditazione e respirazione profonda. Allo stesso modo, CompanionMX offre a pazienti affetti da depressione, disturbo bipolare e altre condizioni, l’opportunità di registrare degli audio per esprimere le loro sensazioni, per poi ottenere un monitoraggio del loro cambiamento in termini di comportamento.

Uso dell’AI per l’analisi di dati clinici articolati

In ultimo, si deve considerare l’utilizzo di AI per l’analisi di dati clinici più articolati – come ad esempio immagini da functional MRI (fMRI) – offrendo ai clinici l’opportunità di sviluppare nuovi biomarcatori associati a specifiche patologie[12], o selezionare la terapia più appropriata, scegliendo ad esempio fra antidepressivi o stabilizzatori dell’umore[13].

In conclusione, le opportunità nel settore appaiono molto interessanti, tanto per quanti soffrono di disagi mentali, quanto per i professionisti nel settore e le relative strutture pubbliche, che si trovano ad affrontare una domanda crescente che stentano a soddisfare pienamente.

Allo stesso tempo, bisogna sempre tenere presente che gli algoritmi di intelligenza artificiali sono tanto affidabili quanto il database usato per il loro training e che in ogni caso, ci vorranno ancora diversi anni perché simili strumenti diventino parte ordinaria dell’arsenale a disposizione di psichiatri e psicoterapeuti. Sarà molto importante, in tal senso, per garantire piena usabilità di questi nuovi strumenti, stabilire sin da subito una forte alleanza fra psichiatri e psicoterapeuti e gli sviluppatori di queste nuove soluzioni tecnologiche.

L’idea di base non deve essere quella di rimpiazzare il medico, bensì di offrirgli strumenti nuovi per ottimizzare i percorsi di diagnosi e cura e di essere più vicino ai propri pazienti, offrendo allo stesso tempo ai pazienti un contatto di prima istanza che ne riduca la sensazione di solitudine e isolamento nei momenti più delicati.

______________________________________________________________________

  1. Tay, N., Macare, C., Liu, Y., Ruggeri, B., Jia, T., Chu, C., … & Banaschewski, T. (2019). Precision medicine and global mental health. Lancet, 7(1), e32.
  2. https://www.who.int/mental_health/prevention/suicide/suicideprevent/en/
  3. OECD/EU (2018), Health at a Glance: Europe 2018: State of Health in the EU Cycle, OECD Publishing, Paris. 
  4. E. Topol, Deep medicine – How artificial intelligence can make healthcare human again, Basic Books, New York, 2019.
  5. M.Oaklander, Suicide Is Preventable. Hospitals and Doctors Are Finally Catching Up, 24 ottobre 2019.  
  6. W. Knight, Your smartphone’s AI algorithms could tell if you are depressed, MIT Technology Review, dicembre 2018.
  7. O. Goldhill, Machines know when someone’s about to attempt suicide. How should we use that information? Settembre 2018.  
  8. Ibid.
  9. iPhone psychiatry: The smartphone biomarkers that could help save lives, 4 gennaio 2019.
  10. A. Lafrance, Computers Can Predict Schizophrenia Based on How a Person Talks, Agosto 2015.  
  11. Building a Safer Community With New Suicide Prevention Tools, Marzo 2017.  
  12. Du, Yuhui, et al. “NeuroMark: an adaptive independent component analysis framework for estimating reproducible and comparable fMRI biomarkers among brain disorders.” medRxiv, Ottobre 2019
  13. Osuch, Elizabeth, et al. “Complexity in mood disorder diagnosis: fMRI connectivity networks predicted medication‐class of response in complex patients.” Acta Psychiatrica Scandinavica 138.5 (2018): 472-482.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

EU Stories - La coesione innova l'Italia

Tutti
Social
Iniziative
Video
Analisi
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia

Articoli correlati

Articolo 1 di 2