Il settore sanitario continua a evolversi e soprattutto negli ultimi cinque anni, l’intelligenza artificiale e il Machine learning stanno diventando sempre più popolari con investimenti molto sostanziosi sia nel settore privato ma anche nel settore pubblico. Una stima di Business Insider Intelligence ha riferito che la spesa per l’AI in Sanità dovrebbe aumentare di circa il 50% per ogni anno, sull’anno precedente, nel quadriennio 2020-2023.
AI, Big Data e Machine learning un tris vincente
L’intelligenza artificiale è una tecnologia con la quale l’uomo, tramite algoritmi software complessi, riesce a trasferire su una macchina compiti che normalmente sono destinati ad una risoluzione esclusiva della mente umana, anzi molto spesso addirittura sono compiti che dovrebbero essere svolti da interi team di lavoro variegati e che mettono insieme più competenze ed esperienze. Tuttavia, l’utilizzo di questo concetto base dell’IA, ha un riscontro molto differente a seconda dello scopo per il quale viene utilizzato e soprattutto per il settore specifico di utilizzo, come, ad esempio, l’assistenza sanitaria.
Prima di addentrarci nelle possibilità di utilizzo dell’AI in ambito sanitario, è bene introdurre in modo semplice anche altre due tecnologie che contribuiscono in modo determinante al successo dell’intelligenza artificiale e senza le quali certamente non potremmo avere risultati di rilievo: i Big Data e il Machine learning. Nessun algoritmo di AI infatti, può essere efficace se non supportato e coadiuvato anche dall’unione di queste due tecnologie.
Per spiegare in maniera semplice e alla portata di tutti come interagiscono queste tre tecnologie tra di loro, facciamo un esempio basato su un’analogia:
- Immaginiamo che l’algoritmo di AI sia il cervello di una persona che viene formato con un approccio metodologico impostato dalla famiglia e dalla scuola (semplificando, ovviamente).
- I Big Data sono i libri, i giornali, le riviste e le informazioni che la persona leggerà nel corso della sua vita, partendo dalla scuola ma poi in un percorso di apprendimento e formazione continua (lifelong learning). Non solo le informazioni lette sui libri costituiranno la base dati che avrà a disposizione, ma anche le trasmissioni televisive che guarderà, le foto e i film che gli rimarranno impressi, ma anche gli incontri e le relazioni che intraprenderà nel corso della sua vita.
- Il Machine Learnig sarà la capacità di apprendere, collegando le informazioni archiviate (big data) e utilizzando il metodo che il cervello avrà recepito con la formazione (l’algoritmo). Tutte le decisioni prese, dovranno tener conto del risultato prodotto, solo in questo modo si riuscirà a capire se la decisione è stata giusta o meno; atteggiamento critico. Questo passaggio è fondamentale per il comportamento da tenere nelle decisioni successive e sarà fondamentale per fare in modo che l’algoritmo continui ad essere efficace. In questa fase, la tecnologia può prevedere anche l’intervento umano per correggere eventuali decisioni sbagliate prese dall’algoritmo. La correzione dell’umano dunque, dovrà contribuire alle capacità del machine learning di apprendere anche tale informazione e metterla a disposizione dell’algoritmo che ne farà tesoro per le elaborazioni successive.
Questo semplice esempio basato sull’analogia, fa comprendere quanto il nome Intelligenza Artificiale sia in effetti appropriato per questa tecnologia, così futurista ma ormai entrata a far parte delle nostre abitudini e che tutti noi utilizziamo, o “subiamo”, quotidianamente come ad esempio su:
- Assistenti virtuali – come Siri, Google Now, Alexa e Cortana.
- Servizio clienti – molte aziende utilizzano sistemi automatici per gestire le chat di supporto ai clienti.
- Previsione dei bisogni per consigliare acquisti – I big del commercio elettronico cercano di prevedere i bisogni dei consumatori, addirittura anticipando l’esigenza. Se ogni mese compriamo un best seller horror sarà molto probabile che saremo interessati anche a quello che uscirà il mese successivo. E allora perché non proporcelo in anteprima, magari sottoponendocelo con un bel messaggio accattivante?
AI e Sanità
Le applicazioni di intelligenza artificiale in sanità stanno diventando più comuni per l’automazione di alcune attività soprattutto per la diagnostica a supporto delle decisioni dei medici. Tuttavia, l’AI in ambito medico è un’area che può essere ancora considerata non pienamente sviluppata anche per le normative in materia di chirurgia robotica automatizzata ancora non del tutto adeguate e sicuramente da aggiornare. Nonostante questo, l’AI applicato all’enorme mole di dati prodotti dalle strutture sanitarie, consente enormi benefici con svariate possibilità di contributi:
- “spianare la strada” a politiche di prevenzione sanitaria predittive, più mirate e personalizzate;
- anticipare le richieste di assistenza;
- migliore e più accurata rilevazione di sintomi;
- utilizzo automatizzato dei risultati dell’analisi (immagini, analisi di laboratorio, etc.);
- formulare piani di cura o protocolli personalizzati;
- analizzare le rilevazioni degli effetti collaterali dei trattamenti;
- anticipare situazioni di emergenza e calcolare i tassi di riammissione alle strutture;
- prevedere la diffusione di una patologia e facilitare il coordinamento dei team di assistenza.
L’intelligenza artificiale ci consente dunque di entrare in una nuova era della diagnosi estremamente precoce, tramite la ricerca e l’individuazione di pre-sintomi o predisposizione a contrarre una determinata malattia. Si possono inoltre stimare i costi dei ricoveri per patologie critiche e monitorare l’impatto di possibili campagne di prevenzione. Soprattutto il settore della diagnostica per immagini sta subendo una profonda trasformazione e i vantaggi dell’Intelligenza artificiale sono e saranno molto significativi. Con la lettura automatica delle immagini infatti, i radiologi possono concentrarsi solo sull’interpretazione di patologie complesse e/o orientarsi verso la radiologia interventistica. Questo sta creando un enorme gap sui tempi di evasione dei risultati degli esami tra un ospedale che adotta tecniche di AI per l’interpretazione degli esami e quelli che si affidano unicamente all’esame tradizionale, con l’evidente ripercussione anche sulle liste di attesa. Altri settori che stanno traendo vantaggio dalle innovazioni dell’IA, sono la cardiologia, in cui vengono sviluppati nuovi servizi di interpretazione dell’elettrocardiogramma basati su software (ECG). Anche in questo caso gli algoritmi si basano sull’apprendimento automatico dai big data provenienti dagli esami.
Intelligenza artificiale e robotica chirurgica
Fino a qualche tempo fa, l’intelligenza artificiale in ambito sanitario era limitata alla ricerca o alle analisi predittive. Ora si sta puntando molto sullo sviluppo di tecnologie che possano migliorare la chirurgia assistita dai robot. Ci sono già degli utilizzi molto significativi che testimoniano di come l’AI riesca a migliorare tecniche già utilizzate da svariati anni nell’ambito della chirurgia robotica, soprattutto nella microchirurgia. Ad esempio, i ricercatori del Centro medico dell’Università di Maastricht, nei Paesi Bassi, hanno utilizzato un robot assistito dall’intelligenza artificiale per suturare microscopicamente piccoli vasi sanguigni, alcuni dei quali piccoli solo 0,03 millimetri. Il robot ha replicato i movimenti della mano del chirurgo su una scala in miniatura.
L’intelligenza artificiale è stata utilizzata per normalizzare quei movimenti e impedire il trasferimento di tremori o movimenti improvvisi al robot chirurgico. Galen Robotics, di Baltimora, sta lavorando su una tecnologia simile per le procedure di otorinolaringoiatria basate sulla ricerca presso la Johns Hopkins University. Alcuni robot chirurgici eseguono una routine preimpostata; non sono completamente autonomi e i chirurghi devono ancora monitorare le operazioni e verificare che le procedure vengano eseguite correttamente. Possono anche intervenire sul “regolamento” della la routine e migliorarne gli impatti, se necessario. Tuttavia, gli scienziati dell’Università di Stanford sostengono che l’AI renderà possibili robot chirurgici completamente autonomi, con il solo controllo del chirurgo, entro il 2050.
Ibm Watson e Healthcare Google Cloud
Uno degli ambiti sul quale l’intelligenza artificiale può dare un contributo molto significativo è nel miglioramento dell’assistenza sanitaria promuovendo la medicina preventiva e l’individuazione di nuovi farmaci. In ambito sanitario IBM Watson è certamente uno dei software di riferimento nel mondo dell’AI e viene ormai correntemente utilizzato per individuare trattamenti specialistici per i malati di cancro. Un altro software di riferimento è l’app Healthcare di Google Cloud che rende più facile per le organizzazioni sanitarie raccogliere, archiviare e accedere ai dati. Business Insider Intelligence ha riferito che i ricercatori del Lineberger Comprehensive Cancer Center dell’Università della Carolina del Nord hanno utilizzato il prodotto Genomic di IBM Watson per identificare trattamenti specifici per oltre 1.000 pazienti. Il prodotto ha eseguito l’analisi dei big data per determinare le opzioni di trattamento corrette per le persone con tumori che presentavano anomalie genetiche.
L’interfaccia di programmazione delle applicazioni (API) di Google Cloud Healthcare includono le possibilità messe a disposizione da soluzioni di intelligenza artificiale che aiutano i medici a prendere decisioni cliniche più personalizzate per i pazienti. L’intelligenza artificiale utilizzata in Google Cloud prende i dati dalle cartelle cliniche elettroniche dei pazienti attraverso l’apprendimento automatico, creando informazioni dettagliate per consentire agli operatori sanitari di prendere decisioni cliniche migliori e più adeguate al singolo paziente. Google ha collaborato con l’Università della California, la Stanford University e l’Università di Chicago per generare un sistema di intelligenza artificiale che prevede gli esiti delle visite in ospedale. Questo è un modo per prevenire le riammissioni e ridurre il tempo di permanenza dei pazienti negli ospedali.
L’AI di Google per il rilevamento del cancro al seno
Proprio in questi giorni sono stati resi noti i risultati di un importante studio pubblicato su Nature, relativo ad un test che Google ha effettuato per migliorare il processo di diagnosi precoce del cancro al seno. L’obiettivo del test era ridurre i falsi negativi e i falsi positivi che sono un grave problema dello screening mammografico. Il cancro al seno è la seconda causa di morte per cancro nelle donne e uno degli aspetti chiave del carcinoma mammario è la diagnosi precoce, che può migliorare considerevolmente i risultati sulla cura del carcinoma mammario. Fortunatamente oggi, con la diagnosi precoce, è possibile intervenire e curare i tumori al seno molto più efficacemente che in passato, ma uno dei problemi ancora aperti e molto impattanti è quello dei falsi negativi: Un falso negativo è quando i medici, diagnosticano erroneamente un negativo (cioè malattia non presente) ma in realtà il cancro al seno nella paziente è presente. Questo errore è molto impattante e fa in modo che la malattia progredisca in modo molto pericoloso fino al momento che verrà individuata per l’insorgenza di sintomi nella paziente o per un nuovo screening.
Il sistema di Intelligenza artificiale sviluppato da Google ha analizzato le immagini mammografiche del test ed è riuscita a ridurre il numero di falsi negativi del 9,4 per cento e i falsi positivi del 5,7 per cento rispetto alle refertazioni fatte dai medici in modalità tradizionale. Questo primo risultato ha delle potenzialità migliorare ulteriormente mano a mano che, tramite tecniche di machine learning, il sistema aggiusti la valutazione sui casi che non riesce ad individuare e così progredisca e migliori in tempi molto rapidi.
Governare le moli crescenti di dati
La più grande sfida, a tale proposito, è la crescita esponenziale dei dati. Le previsioni ci dicono che entro la fine del 2020 i dati medici raddoppieranno ogni 73 giorni e semplicemente non ci sarà abbastanza personale medico per gestire questo nuovo flusso di informazioni. Esaminando la radiologia, ad esempio, vedremo aumenti degli esami CT (Tomografia Computerizzata) e MRI (Risonanza Magnetica per Immagini) rispettivamente di 29 e 26 punti percentuali; nel frattempo, l’incremento dei radiologi stessi sarà solo del 5% (e forse questo è un dato ottimistico).
Risulta evidente come questo gap si tradurrà in un tempo di interpretazione di soli 2-3 secondi per immagine; gli studi hanno dimostrato che un tempo ridotto di interpretazione per i radiologi può influenzare, al rialzo, il tasso di errore di quasi il 20%. Questo fa capire come sarà determinante il supporto dell’intelligenza artificiale per consentire una rapida analisi degli esami unito alla riduzione del tasso di errore. Le strutture che non si doteranno di questi strumenti saranno destinate a soccombere perdendo terreno, con liste di attesa molto più importanti e con l’innalzamento (per giunta) delle possibilità di fare errate diagnosi.
Cosa l’Intelligenza Artificiale non può (ancora) fare
Gli algoritmi, come abbiamo visto, sono in grado di fornire risultati in tempi più bassi rispetto alle analisi basate sulla valutazione esclusivamente fatta dagli umani e possono essere utilizzati in modo economico in qualsiasi parte del mondo e anche a distanza. In altre parole, avvantaggiano notevolmente il sistema sanitario globale. I pazienti possono così usufruire di processi semplificati e di assistenza personalizzata, altrimenti impossibile e molto più rapida e con più tempo da trascorrere con il medico curante per attività più importanti e delicate. Detto questo, l’apprendimento automatico non potrà sostituire i medici nel prossimo futuro. Questo semplicemente perché l’intelligenza artificiale è “creata” dall’uomo e la sua qualità si basa sulla qualità complessiva dei dati con cui viene addestrata. Inoltre, i professionisti medici hanno ancora difficoltà a comprendere come l’IA effettivamente possa effettuare una valutazione in completa autonomia.
In questo momento, il processo decisionale è sostanzialmente visto come una sorta di scatola nera e non c’è una vera e propria sinergia tra AI e Medici. L’algoritmo dunque dovrebbe avere la capacità di creare una analisi che individui aree di incertezza e sottoporre tali aree alla valutazione dell’intervento umano. Dopotutto, questo è il livello di intelligenza che a tutt’oggi non può essere demandato e che ci aspettiamo sia ancora in carico agli esperti umani; questo crea la necessaria fiducia nel binomio uomo/macchina. I ricercatori infatti stanno puntando nel rendere più efficiente l’apprendimento automatico (machine learning), consentendo così agli esseri umani di essere in grado di controllare, correggere e migliorare queste dinamiche e rendere così l’algoritmo più efficiente e “raffinato”. Oggi non è possibile aspettarsi dalla “macchina” una diagnosi definita da sola. In “parole povere”, quando si tratta del benessere del paziente, le decisioni diagnostiche e terapeutiche saranno sempre nelle mani degli esseri umani che avranno l’ultima parola ma questa, può essere più rapida e precisa con il supporto dell’assistenza dell’AI.
Vantaggi, rischi ed etica dell’intelligenza artificiale in Sanità
Come abbiamo visto, l’integrazione dell’intelligenza artificiale nell’ecosistema sanitario consente una moltitudine di benefici, tra cui l’automazione delle attività e l’analisi di grandi set di dati dei pazienti per fornire una migliore assistenza sanitaria, più veloce e ad un costo inferiore. Secondo Business Insider Intelligence, il 30% dei costi sanitari è associato ad attività amministrative. L’intelligenza artificiale può automatizzare alcune di queste attività, come la pre-autorizzazione dell’assicurazione, il follow-up delle fatture non pagate e il mantenimento dei liste di attesa, per facilitare il carico di lavoro degli operatori sanitari e, in definitiva, risparmiare denaro dedicando l’intervento umano alle attività più prettamente sanitarie. La diffusione della tecnologia sanitaria basata sull’AI, è in larga parte dovuta anche all’IoT e agli “indossabili” che utilizzano l’AI per aumentare la qualità di vita dei fruitori e per anticiparne le problematiche. I software che utilizzano l’AI, come FitBits e smartwatch, possono analizzare i dati per avvisare gli utenti e i loro operatori sanitari su potenziali problemi e rischi per la salute. Essere in grado di valutare la propria salute attraverso la tecnologia facilita il carico di lavoro dei professionisti e impedisce inutili visite o remissioni in ospedale, riducendone i costi.
Come per tutto ciò che riguarda l’AI, questi progressi della tecnologia sanitaria si basano sui dati forniti dall’uomo, il che significa che esiste il rischio che insiemi di dati contengano pregiudizi inconsci. Esperienze precedenti e anche in altri settori, hanno dimostrato che esiste un potenziale rischio che un pregiudizio (impostato inconsciamente dai programmatori) influisce negativamente nell’apprendimento automatico per poi ripercuotersi nei risultati dell’AI. Nel delicato mercato della sanità, in particolare, sarà fondamentale stabilire nuove regole etiche per limitare e prevenire le propensioni, potenzialmente “pericolose” dell’intelligenza artificiale. A tal proposito la Commissione Europea sta lavorando per creare fiducia nell’intelligenza artificiale, proseguendo il lavoro del gruppo di esperti ad “alto livello” nominati nel giugno 2018. È stata avviata dalla Commissione una fase pilota per garantire che sia possibile applicare nella pratica gli orientamenti etici per lo sviluppo e l’utilizzo dell’intelligenza artificiale. La Commissione si rivolge all’industria, agli istituti di ricerca e alle autorità pubbliche invitandole a testare le tecnologie di cui decidono di dotarsi, tramite la lista di controllo dettagliata che il gruppo di esperti ha messo a punto ad integrazione degli orientamenti.
Protezione dei dati e futuro dell’AI in Sanità
L’uso dell’AI nel mercato sanitario è dunque in crescita per merito della continua domanda di tecnologia predittiva e valutativa, di tecnologia indossabile, di medicina digitale e trasformazione generale del settore nell’era digitale moderna, ma i (concreti) problemi di privacy, hanno rallentato l’adozione di strumenti mobili e digitali per gestire i dati dei pazienti. Nel 2017, il Memorial Healthcare System (MHS) ha pagato multe per 5,5 milioni di dollari al Dipartimento della salute e dei servizi umani degli Stati Uniti dopo che oltre 115.000 record di pazienti sono stati erroneamente resi disponibili senza autorizzazione. Abbiamo oramai imparato come i dati siano il nuovo “oro” dell’era digitale e mano a mano che i dati personali diventano più preziosi, il crimine informatico diventa una minaccia sempre più significativa. Le strutture sanitarie e gli operatori sanitari possono diventare dei veri e propri bersagli per il cyber crime, visto che i dati della sanità sono forse i più preziosi disponibili insieme a quelli delle organizzazioni finanziarie.
Tuttavia, i fornitori di telesurgery devono ancora affrontare completamente le falle di sicurezza che potrebbero rallentare l’adozione della tecnologia. Mentre ad oggi nessun hacker ha ottenuto l’accesso ad un robot durante una vera operazione, i ricercatori dell’Università di Seattle hanno dimostrato, in via sperimentale, come si possa “Hackerare” un robot; il test è stato effettuato sul Robot Raven II nel 2015. L’esperimento ha dimostrato, se ce ne fosse bisogno, che le connessioni wireless, come anche quelle 5G, sono più vulnerabili delle connessioni cablate.
Del resto l’entrata in vigore del Regolamento UE 679/16 (GDPR) ha introdotto importanti cambiamenti nell’approccio alla Data Security anche in ambito sanitario. Tale nuovo approccio, basato sui concetti di accountability e gestione del rischio, ha spinto e sta spingendo le soluzioni in ambito clinico, verso l’implementazione di un sistema di gestione aziendale basato sulla privacy by default e by design, e sull’ adozione di adeguate misure di sicurezza quali:
- la formazione;
- la manutenzione preventiva e predittiva;
- la cyber security;
- la business continuity;
- il disaster recovery.
È dunque auspicabile la definizione di strategie di cyber security basate su programmi di standardizzazione dei processi e dei sistemi a livello regionale e nazionale (in cui la compliance al GDPR è data per scontata). Sarà importante però che, le politiche sanitarie regionali e nazionali, indirizzino l’evoluzione di questa trasformazione digitale al fine di garantire la disponibilità di informazioni clinicamente affidabili, a costi contenuti, con elevati standard di sicurezza al fine di ridurre l’incertezza nelle decisioni assunte per creare un alto valore per il miglioramento dei percorsi di cura dei pazienti.
Gli ospedali e gli operatori sanitari stanno vedendo i vantaggi dell’utilizzo dell’IA nella tecnologia e della memorizzazione dei dati dei pazienti anche tramite l’adozione di cloud privati che saranno determinanti per lo sviluppo della tecnologia. Un accesso centralizzato e sempre disponibile consente a medici e pazienti di aumentare le performance e la rapidità di accesso alle cartelle cliniche, ma questo fa comprendere quanto sia parallelamente importante la sicurezza e la protezione dei dati.
