INNOVAZIONE E E-HEALTH

Sanità digitale, ecco perché la clinica informatica ha fallito. E come ripartire

Nuove tecnologie e conoscenze estese rappresentano una grande occasione per cambiare l’assistenza sanitaria. Blockchain, algoritmi, AI sono i veri strumenti del futuro. Ma serve riflettere sugli errori del passato e ripensare le strategie facendo centro sull’intelligenza umana. Lo scenario e il percorso da compiere

Pubblicato il 09 Lug 2019

Gian Piero Sancipriano

Medico nefrologo ASL TO4 Regione Piemonte (1977-2015)

one digital health

La tecnologia ha radicalmente cambiato l’orizzonte degli operatori sanitari grazie alla disponibilità di big data, Intelligenze artificiali, algoritmi. Ma la mancanza di strategie comuni e la scarsissima consapevolezza del cambiamento rischiano di non promuovere una Sanità digitale realmente efficiente. Serve prendere in esame i significati e le conseguenze delle innovazioni per gli scienziati, per chi governa la salute, per il medico, per l’Uomo e l’Uomo/malato. Facciamo il punto, a partire dallo stato dell’arte ed analizzando le varie tappe che potranno condurre a una sanità del futuro.

Gli 8 pilastri della clinica medica

Da oltre 50 anni il ragionamento clinico del medico ha un preciso percorso: anamnesi famigliare, anamnesi fisiologica, anamnesi patologica remota, anamnesi patologia presente, esame obiettivo, esami di laboratorio e strumentali, diagnosi presunta, diagnosi differenziale, terapia e prognosi; l’intelligenza, l’esperienza, la cultura, la prudenza, la perizia, la diligenza e le capacità dell’uomo medico responsabile completano l’atto medico. Esaminiamo i punti 1 – 8.

  1. Dati
  2. Conoscenze
  3. Comunicazioni
  4. Intelligenze
  5. Ragionamenti
  6. Apprendimenti
  7. Big data
  8. Algoritmi sui data.

I dati: raccolta e classificazione

Sono sequenze di segni solitamente alfanumerici a cui non è attribuito alcun significato; devono essere:

  • databili, datati, archiviabili, archiviati, cancellabili, cancellati
  • corretti nella semantica propria al dominio
  • raccoglibili in archivi di memoria digitale come numeri, sostantivi con o senza preposizione, proposizioni, immagini, suoni
  • computabili o computati in modo condiviso
  • raggruppabili in basi di conoscenze uniche da vocabolari e dizionari unici
  • classificabili come opzionali, standard di fatto o di legge
  • concatenabili in avanti e indietro attraverso la logica matematica con connettivi logici per produrre algoritmi scelti o auto generati o genetici pronti per l’intelligenza artificiale debole.

Conoscenze: il rischio monopolio in Sanità

La conoscenza è la facoltà, l’atto, il modo e l’effetto del prendere possesso intellettualmente o psicologicamente, con attività sistematica, di qualunque aspetto di quella che è considerata la realtà; è informazione in grado di generare altre informazioni sulla base dell’esperienza; dura per sempre; decade con nuova conoscenza; riusata non costa nulla.

Le basi delle conoscenze sono i “modelli e i moduli” che raccolgono le conoscenze degli esperti sul dominio o sul sottodominio, cioè sul problema o sotto problema; in medicina sono voluminose, in evoluzione, necessitanti di giustificazioni, di aggiornamenti, di tutele e di archiviazioni.

A tutti gli operatori sanitari deve essere data la possibilità di formulare quesiti, applicare criteri di ricerca e avere risposte documentate, competenti e rapide di ritorno, secondo le responsabilità attribuite.

Le conoscenze nella Sanità pubblica non possono essere gestite esclusivamente dall’industria a scopo di profitto né possono essere impedite nello scambio. Quasi tutte le leggi sull’informazione sanciscono il diritto dell’industria a raccogliere e conservare i dati e, occasionalmente, quello degli Stati ad accedervi, senza tenere conto dei diritti dei cittadini.

Nel 1962 Kenneth Arrow disse che “in un’economia di libero mercato, scopo dell’invenzione era creare diritti di proprietà intellettuale. Un prodotto ha successo proprio nella misura in cui le informazioni sono nelle mani di pochi. Si può riscontrare questo elemento in tutti i modelli di impresa online finora concepiti: monopolizzare e proteggere i dati; acquisire i dati sociali prodotti gratuitamente dall’interazione di utenti; spingere le forze commerciali in settori della produzione di dati che prima erano considerati non commerciali; estrapolare valore predittivo dai dati esistenti e, soprattutto, fare in modo che l’azienda sia sempre e comunque l’unica a potere usare dei risultati. Il meccanismo di difesa del sistema è formare monopoli su una scala che non ha precedenti negli ultimi duecento anni.” Sono passati 57 anni, cosa direbbe ora lo studioso? Le conoscenze in Sanità devono essere:.

  • classificate in prevenzioni, anamnesi, esami obiettivi, esami di laboratorio, diagnosi, terapie, prognosi; le anamnesi e gli esami obiettivi sono centinaia, le diagnosi sono centinaia di migliaia
  • attuali, contestualizzate, affidabili, chiare, comprensibili, conclusive, essenziali, totali, integre, libere, semplici, sincere, trasferibili, trasparenti, verificabili, verificate, prive di sigle o acronimi, integrate con simboli e formule, estraibili, aggiornabili, annullabili, stampabili
  • complete dalla nascita al fine vita dell’interessato, collocate nella totalità in unica sede informatica, continue e continuative temporalmente
  • suddivisibili in domini ristretti, capitoli, paragrafi, titoli, sottotitoli per ogni specialità medica e per ogni attività assistenziale di base, specialistica e ultra specialistica
  • giuste al momento dell’immissione, ma potrebbero essere errate dopo pochi giorni, ore o minuti
  • gestite dalle Associazioni scientifiche per quanto di competenza
  • garanti di autoapprendimento, autonomia professionale, obiezione e tutela di coscienza
  • controllate da Enti pubblici che hanno il dovere di stabilire gli standard di legge
  • riconoscibili nella responsabilità dell’introduzione, elaborazione, aggiornamento, utilizzo, archiviazione e cancellazione
  • disponibili ai cittadini e a tutti gli operatori della Sanità: medici pubblici e liberi professionisti, chimici, fisici, biologi, infermieri, logopedisti, fisioterapisti, informatici, ingegneri, operatori di statistica e così numerosi altri.

White Paper - Smart Health: guida alle nuove frontiere digitali della sanità

Le comunicazioni: gli interessi dell’industria 

Comunicare è il trasferimento e lo scambio di conoscenze in modo dinamico e iterativo includente sintesi, disseminazione e applicazione etica della conoscenza. Perché avvenga una comunicazione computata in Sanità è necessario archiviare la comunicazione in posto noto a coloro che comunicano attraverso tecnologia interfacciabile uniforme; avere continuità e volontà a inviare e ricevere; conoscere il contesto; garantire sicurezza e riservatezza; identificare la correttezza e l’affidabilità della comunicazione; usare lo stesso linguaggio o poterlo tradurre. Questi requisiti non sono presenti in Sanità per interessi dell’industria, per difformità e inadeguatezze delle tecnologie; per assenza di standard dei magazzini delle conoscenze; per cessazione dei processi di elicitazione; per incompleto sviluppo della telemedicina.

Deve essere riconosciuto che Internet oscura i principi di sincerità, affidabilità, responsabilità, continuità, contestualità, sicurezza, caratteristiche fondamentali e irrinunciabili per la tutela di tutte le comunicazioni.

Intelligenze: quante sono e come la Sanità può beneficiarne

L’intelligenza umana è naturale, creativa, emotiva, sportiva, sociale, collettiva, connessa; contenuta nel nostro encefalo, cresce nelle relazioni che creiamo con il mondo, le persone, l’ambiente e gli oggetti; cresce nel continuo mutare di queste relazioni, insieme alle intelligenze degli altri. Cultura, autocritica, autorevolezza, buon senso, intuito, chiarezza, competenza, costanza, dubbio, esperienza, fantasia, forza di volontà, idee ribelli, immaginazione, ironia, perseveranza, predisposizione, arte, alimentano l’intelligenza umana.

Internet delle cose (gli oggetti raccolgono dati, accedono ad archivi di dati aggregati e trasmettono in tempo reale informazioni) aumenterà l’intelligenza umana perché aumenteranno i rapporti con il mondo esterno.

L’intelligenza collettiva è la capacità universalmente distribuita, costantemente aumentata, coordinata in tempo reale, in grado d’indurre un’effettiva mobilitazione di competenze, attraverso il mutuo riconoscimento e arricchimento cognitivo dei collaboranti competenti.

L’intelligenza connessa è la capacità degli uomini di comunicare attraverso reti informatiche che hanno debiti e crediti informativi, semantica, standard, linguaggi, tecnologie e conoscenze concordate, condivise e uniformi.

Le intelligenze artificiali sono l’insieme di studi e tecniche che tendono a realizzare macchine, in grado di risolvere problemi complessi in modo automatico, simulando o emulando attività proprie dell’intelligenza umana. Storicamente sono riconosciuti due tipi di intelligenza artificiale: a) l’intelligenza artificiale debole emulazionistica basata sul principio che l’essenza del funzionamento del cervello non risiede nella sua struttura ma nelle sue prestazioni; b) l’intelligenza artificiale forte simulazionistica basata sulla ricerca per riprodurre il più fedelmente possibile la fisiologia del cervello; obiettivo non lontano, possibile estensione di quella debole.

I ragionamenti clinici: potenza e rischi dell’algoritmo 

Ragionare è il pensare che utilizza memorie, conoscenze ed esperienze individuali: variando ognuna di queste, mutano i ragionamenti. Intelligenze, conoscenze, esperienze simili conducono sovente ragionamenti simili se poste in medesime condizioni.

Il ragionamento naturale clinico è il pensare dell’esperto in medicina che utilizza memorie, conoscenze ed esperienze individuali in contesti sociali, economici, emotivi ed etici diversi. Il ragionamento simbolico è il pensare che utilizza la logica simbolica, i sistemi esperti, gli algoritmi genetici, e la programmazione genetica.

Il sistema esperto è il programma che tenta di riprodurre il ragionamento dell’uomo intelligente ed esperto in uno specifico dominio; risolve problemi complessi la cui risoluzione dinamica richiede considerevole capacità; memorizza l’esperienza opportunamente codificata e giustifica la propria risposta, restando altamente specializzato e dominio specifico. I sistemi esperti attraverso l’inferenza generano conoscenze; attraverso algoritmi genetici formati sulla conoscenza ed esperienza eseguono scelte; con i concatenamenti in avanti e all’indietro spiegano e giustificano il percorso; attraverso la ricerca euristica studiano le verità conosciute basandosi sulla documentazione dei fatti. I sistemi esperti si distinguono dagli algoritmi di estrazione dei big data che sono fondati sul processo stocastico, cioè il modello matematico adatto a studiare l’andamento dei fenomeni che seguono leggi statistiche, casuali, di previsione, probabilistiche, aleatorie, presuntive e probabili. Al giorno d’oggi i sistemi esperti non sono più considerati un’area di ricerca attiva nell’ambito dell’intelligenza artificiale, né un’opportunità d’investimento. [1]

L’algoritmo genetico è il metodo di ricerca di una soluzione basato sulla metafora dell’evoluzione biologica; operano su una popolazione di potenziali soluzioni, applicando il principio della sopravvivenza del migliore, evolvendo verso la soluzione che si spera si avvicini alla reale soluzione del problema.

La programmazione genetica è la forma di apprendimento automatico che genera serie successive di possibili soluzioni, ne valuta la relativa performance e poi trasporta solo le più adatte alla generazione successiva con opportune mutazioni; è quindi un processo di ottimizzazione. La programmazione genetica può essere visibile nei concatenamenti in avanti e indietro e integra il ragionamento simbolico o cognitivo. Il ragionamento simbolico utilizza i connettivi logici, regole di produzione, validazione, spiegazione, giustificazione e verifica del ragionamento.

Gli apprendimenti: machine e deep learning in Sanità

Apprendere è l’acquisizione di una o più conoscenze che conduce a modificazione delle competenze e del comportamento. Apprendimento cognitivo umano è il passaggio dal non sapere al sapere con assunzione di contenuti mentali attraverso memoria, conoscenza, ragionamento, esperienza, pratica e allenamento. Apprendimento automatico (machine learning) è il “campo di studio che dà ai computer la possibilità di apprendere senza essere programmati esplicitamente per farlo” (Arthur Samuel 1959).

Samuel era impegnato a creare la sua macchina informatica: un programma autonomo di gioco di scacchi che immaginava avrebbe battuto il campione mondiale. Il mondo rideva di ciò; quel giorno è passato da tempo.

Apprendimento automatico profondo (deep learning) è il campo basato su algoritmi di estrazione prestabiliti, calcoli di statistica, probabilità, incidenza o frequenza di comparsa, lavorando su un numero enorme di dati aumenta di potenza apprendendo dall’esperienza.

Gli apprendimenti automatici presentano un lato oscuro: a differenza dei classici programmi che seguono un codice che spiega loro che cosa devono fare, i programmi basati su apprendimenti automatici e in profondità imparano da soli e non c’è modo di sapere con esattezza come hanno imparato e in che modo l’applicativo è arrivato alla soluzione proposta. La soluzione è su base statistica, di probabilità, intuita, tentata, approssimata, casuale.

E’ possibile che algoritmi di estrazione sui data possano formulare diagnosi di malattie totalmente sconosciute all’interessato, non richieste o occasionalmente inutili alla qualità di vita del soggetto. Se gli specialisti assembleranno algoritmi in Sanità, i Governi degli Stati dovranno regolare i risultati raggiunti in merito a condivisione, proprietà, legittimità e sviluppo, secondo principi di etica, di equità, d’interessi sociali e di sicurezze. Al momento i sistemi di apprendimenti automatici stanno godendo d’investimenti commerciali e di applicazioni in un’incredibile varietà di problemi, riscuotendo notevole successi.

I big data: un potenziale tesoro per la Sanità

I data sono l’insieme di dati in forma di testo, numero, simbolo, immagine, suono che sono usati o immagazzinati in un computer, altrimenti definibili dati digitali. I dati digitali sono un artefatto tecnologico, possono essere risorse, strumento, rappresentazione dell’universo. Nel 2016 abbiamo generato tanti dati quanti ne abbiamo prodotti nell’intera storia dell’umanità fino al 2015, tra dieci anni questa quantità di dati è destinata a raddoppiare ogni 12 ore.

I big data sono l’insieme di dati caratterizzati da elevata numerosità e da dinamicità in termini di cambiamento in valore, nel loro dominio di definizione. Esempi sono: banche dati scientifici, censimenti, rilevazioni, dati anagrafici, dati GPS, dati negozi on line, dati viaggio, e-mail, fotografie, immagini di telecamere e video, immagini satellitari, informazioni da siti web, interviste, messaggi, percorsi di trasporto, questionari, raccolte dati, scritti elettronici, suoni da reti telefoniche, suoni di microfoni e tutto ciò che è digitale nel mondo.

Gli algoritmi: i nodi sul fronte protezione dati

L’algoritmo è il procedimento che risolve un determinato problema attraverso un numero finito di passi. Gli algoritmi eseguono delle istruzioni sequenziali semplici, quindi la loro esecuzione può essere effettuata da un elaboratore; per definizione nessun algoritmo è perfetto, anche se il problema affrontato è di facile risoluzione. Gli algoritmi non sono regolati da modelli di logica o matematica pura; possono sbagliare, sovente sono di parte; sono opinioni umane matematicamente strutturate viziate dalle pre – comprensioni di chi li progetta, di chi vuole ricercare qualcosa. [2]

La discriminazione algoritmica rischia, pertanto, se non sapientemente governata, di approfondire le iniquità alle quali vorrebbe ovviare, senza che ne siamo neppure consapevoli perché la pre-comprensione coperta da veste statistica, non ci appare più tale e perché le modalità di decisione algoritmica non sono sindacabili perché neppure conoscibili – come ho scritto sul Giornale italiano nefrologia [3] -. Con una sorta di cornice cognitiva basata non sul riconoscimento dell’altro ma sul rispecchiamento del sé, ci viene dunque proposto ciò che assomiglia di più all’immagine di noi che si è costruita il motore di ricerca. Il tema della neutralità dell’algoritmo, dell’equità delle sue soluzioni e, più in generale, della sostenibilità etica e giuridica della tecnologia diviene, oggi, una questione democratica cruciale”.

“Di qui – si legge ancora sul Giornale italiano nefrologia – l’importanza delle norme del regolamento generale sulla protezione dei dati, sulla contestabilità e la trasparenza del processo decisionale automatizzato, dei suoi criteri e delle sue conseguenze, esigendo la possibilità di un intervento umano, contrastando la delega assoluta al cieco e neppure neutro determinismo dell’algoritmo. Il diritto alla protezione dei dati rappresenta una straordinaria risorsa per mantenere la persona, nella sua libertà e nella sua responsabilità, al centro della società digitale”.

Malattia, innovazione, Sanità: un percorso mutevole

Le caratteristiche descritte su Dati, Conoscenze, Comunicazioni, Intelligenze, Ragionamenti, Apprendimenti, Big data, Algoritmi, non sono universali, anzi, mutano secondo le diverse scienze, contesti socio-economici, emozioni, relazioni, collegamenti e connessioni tra uomini – ambienti – macchine. Esaminiamo le relazioni possibili tra Uomo e operatore sanitario.

L’Uomo e l’Uomo/malato hanno bisogno di operatori in Sanità che assistano l’Uomo dall’inizio alla fine della vita rispettando sempre la di lui volontà; adottino creatività e godano della dote dello humour, non si diano per vinti, non errino in accanimenti e operino con buon senso; prendano decisioni superiori; riconoscano gli errori e ne traggano vantaggi guardando il futuro; siano abili nella comunicazione e autorevoli nell’indirizzare e condurre verso percorsi difficili; siano capaci di esprimersi con determinazione, di generare certezze, ma anche di accettare l’oblio o la capacità di rievocare; sviluppino costantemente empatia, capacità di comprendere i pensieri, le domande, le paure del paziente; tengano sempre comportamenti etici.

Gli operatori siano in grado di gestire la relazione, di infondere fiducia o speranza, di lavorare in gruppo coeso, di coltivare le relazioni; siano liberi da condizionamenti sociali culturali economici e da pregiudizi, dalle pressioni e dalle attrazioni del potere; preparati ad assistere l’Uomo che termina la vita senza illudere ma lontani dall’inerzia terapeutica; responsabili, saggi, semplici e trasparenti, sollevati da rigidi schematismi teorici limitanti la visione degli insiemi; studiosi di questioni esistenziali quali il senso della vita, della morte, della malattia e del dolore; umili nel mettere sempre al centro dello studio il bene dell’Uomo.

E’ estremamente difficile che possa esistere un algoritmo o un robot medico con queste caratteristiche; un algoritmo che, inserito in una banca dati enorme, auto apprende non è intelligenza artificiale né debole, né forte: è un algoritmo che esprime una opinione matematica non esatta. La tentazione di creare sui dati della scienza medica molti algoritmi e molti apprendimenti macchina è fortissima e tentativi sono in atto. Ma è un grave errore in quanto:

  • avere molti dati non significa avere molte informazioni
  • avere molte informazioni non vuol dire avere molte conoscenze
  • avere molte conoscenze non vuol dire conoscere sempre la cura migliore
  • le conoscenze prodotte dagli algoritmi sono sempre probabilistiche
  • il ragionamento clinico ha specifiche peculiarità
  • le comunicazioni sono fondamentali per la diffusione della conoscenza
  • agli operatori sanitari necessitano diversi tipi di apprendimenti e diversi tipi di ragionamenti
  • la concertazione tra gli operatori dei debiti e crediti informativi è indispensabile
  • le scienze interessate nell’assistenza sanitaria sono moltissime e debbono avere piattaforma unica
  • gli algoritmi creano sempre selezioni, etichette, categorie, modelli di cui l’uomo non ha sempre consapevolezza; sono sovente irresponsabili, di privato possesso, tra di loro poco connessi, non condivisi, raramente creati da intelligenze collettive.

Informatica e Sanità: tutti gli insuccessi e gli errori

Sono passati oltre trent’anni dal primo utilizzo del personal computer Apple Macintosh in Sanità. La collaborazione tra scienza informatica – scienza medica – sviluppo tecnologico – intelligenza artificiale debole – promise negli anni ’80 grandi miglioramenti nell’assistenza sanitaria. Non è stato così, perché Dati, Conoscenze, Comunicazioni, Intelligenze, Ragionamenti, Apprendimenti, Big data, Algoritmi non hanno avuto in Sanità le caratteristiche necessarie sopra descritte.

L’utilizzo della scienza informatica intesa come servizio in Sanità e nell’assistenza clinica è fallito per questi motivi:

  • assenza degli standard di fatto e di legge nelle singole specialità e professionalità
  • assenza d’intelligenze connesse e collettive disponibili a conoscenze condivise e comunicate, con impossibilità di creare basi delle conoscenze comuni nei diversi domini
  • assenza di leggi che sanciscano crediti e debiti informativi di legge; carenza di normative sulla uniformità dei linguaggi informatici
  • tecnologia hardware distribuita inadeguata, sovente software proprietari con interfacce scadenti o errate
  • sottovalutazione ed errori di semantica
  • utilizzo di conoscenze empiriche di ragionamenti e apprendimenti naturali
  • sottovalutazione della complessità della base delle conoscenze in Medicina che non deve essere fatta in campi testo per la difficoltà di elaborare informazioni computate utili
  • prevalenza dell’interesse dell’industria biomedica sulla missione della Sanità pubblica.

L’intelligenza artificiale debole aveva i vantaggi di utilizzare tutte le forme dell’intelligenza umana, usare i sistemi esperti, utilizzare il ragionamento simbolico, promuovere gli algoritmi genetici e l’apprendimento con l’euristica, creare attraverso l’elicitazione una semantica corretta, favorire conoscenze deterministiche connesse e collettive; non ha avuto applicazione in Sanità se non in pochi casi, in quanto non erano disponibili computer potenti per imparare; l’elaborazione dati richiedeva tempi lunghissimi; la memoria hardware era minuscola rispetto all’attuale; non erano disponibili fonti dati digitali da cui apprendere; i sensori erano disponibili prevalentemente in forma analogica; la memoria e l’interconnettività avevano prodotto un’esplosione caotica di dati; le fatiche dell’esperto e dell’ingegnere della conoscenza nel codificare a mano le molte informazioni erano enormi; le profonde capacità di professionisti esperti nel dominio erano insufficienti; gli algoritmi sui big data avevano minori costi, minori difficoltà e maggiori investimenti.

Inoltre, quattro tendenze hanno stimolato il passaggio dal ragionamento simbolico dei sistemi esperti all’apprendimento automatico degli algoritmi: 1) i miglioramenti nella velocità di calcolo e nella capacità di archiviazione; 2) la transizione dei dati conservati fisicamente a quelli conservati digitalmente; 3) l’accesso semplificato soprattutto grazie a Internet; 4) i sensori digitali di alta definizione a basso costo.

Una valutazione sullo stato attuale, anche se imperfetta e generalizzata, del processo di informatizzazione nel Sistema sanitario nazionale italiano evidenzia un mancato raggiungimento degli obbiettivi, insufficiente generazione e scambio delle conoscenze, caos di dati, mancanza di standard, inadeguate tecnologie, errori di semantica e di comunicazione.

Sanità del futuro, fra intelligenza artificiale e blockchain

Al medico necessitano in tempi brevissimi accessi a numeri, dati, immagini, suoni, grafici, tabelle, banche dati, classificazioni, criteri, memorie digitali, conoscenze, telecomunicazioni, applicazioni di logica matematica, sistemi esperti e intelligenze artificiali. Sono presenti i presupposti per promuovere la connessione delle intelligenze collettive. Gli autoapprendimenti ed i diversi ragionamenti cambieranno il pensare del medico, l’intelligenza artificiale vera è benvenuta.

Nuove tecnologie e conoscenze estese rappresentano un’occasione importantissima, unica, attuale per cambiare l’assistenza sanitaria. La definizione delle caratteristiche dei registri distribuiti e le conoscenze degli archivi clinici siano lasciate ai singoli operatori secondo le competenze e le responsabilità.

Cinque innovazioni determineranno il cambiamento dell’assistenza sanitaria:

  1. la tecnologia blockchain. L’Italia ha inserito nella legge di bilancio 2019 la partecipazione alla European blockchain partnership”. E’ scritto nell’articolo 8 bis: le tecnologie basate su registri distribuiti sono “le tecnologie e i protocolli informatici che usano un registro condiviso, distribuito, replicabile, accessibile simultaneamente, architetturalmente decentralizzato su basi crittografiche, tali da consentire la registrazione, la convalida, l’aggiornamento e l’archiviazione di dati sia in chiaro che ulteriormente protetti da crittografia, verificabili da ciascun partecipante, non alterabili e non modificabili”.
  2. le capacità e la velocità di elaborazione dei nuovi computer
  3. l’enorme disponibilità di dati computati
  4. gli algoritmi sui big data e gli autoapprendimenti macchina
  5. le intelligenze artificiali.

Queste innovazioni non siano disgiunte dall’intelligenza umana; è necessario recuperare tutte le intelligenze dell’uomo e unirle all’intelligenza artificiale, ai data scientifici, alla pratica clinica secondo un processo di circolarità ordinata a punto di partenza fisso nell’intelligenza umana. Ecco il percorso da compiersi in successione ordinata da 1 a 8 con punto di partenza fisso 1:

  1. (Punto partenza fisso). Intelligenza umana.
  2. Guidate dalle Associazioni scientifiche le intelligenza umane e le esperienze individuali lavorino connesse, collettive, multidisciplinari e multispecialistiche. I dati, ovunque raccolti come dati, costituiscano il blocco di genesi comune o i blocchi orfani della tecnologia blockchain.
  3. Le intelligenze naturali creino informazioni e conoscenze che raccolte costituiscano la memoria digitale comune su archivi computati variabili e personalizzabili.
  4. Nella tutela della salute il medico intelligente potrà utilizzare memoria artificiale + informazioni + conoscenze; attraverso il ragionamento clinico otterrà conoscenze empiriche computate più corrette.
  5. Le conoscenze empiriche siano esaminate dagli strumenti dell’intelligenza artificiale debole, si creino algoritmi genetici con concatenamento in avanti ed indietro ottenendo conoscenze deterministiche.
  6. Le conoscenze deterministiche siano declassate e siano trattate come big data – medicina per essere sottoposte ai logaritmi di estrazione ottenendo conoscenze probabilistiche.
  7. Le conoscenze empiriche + deterministiche + probabilistiche siano riportate all’apprendimento uomo ed all’autoapprendimento macchina per ottenere le conoscenze scientifiche che sono necessarie alle attività dei medici. Inizi qui il processo di collaborazione tra intelligenza umana e artificiale con un percorso di circolarità che è fondamentale nel riconoscere errori e nel migliorare.
  8. L’uso contemporaneo di intelligenza naturale + intelligenze artificiali + algoritmi potrà generare conoscenze scientifiche, pur nella consapevolezza che neppure le conoscenze scientifiche sono definitivamente certe. (Tabella 1)

Tabella 1 Percorso di circolarità ordinata per le conoscenze scientifiche

Punto partenza fisso INTELLIGENZA NATURALE
INTELLIGENZE NATURALI EMPIRICHE, CONNESSE, COLLETTIVE delle Associazioni scientifiche

  1. raccolgono DATI clinici, empirici, di letteratura, da immagini, da suoni, altro
  2. creano BLOCCO DI GENESI – BLOCCHI ORFANI – REGISTRI CONDIVISI

Attraverso RAGIONAMENTI CLINICI svolgono attività computabili e computate per CONOSCENZE EMPIRICHE

Le conoscenze empiriche sono computate per INTELLIGENZA ARTIFICIALE DEBOLE

(ragionamento simbolico, elicitazione, sistemi esperti, concatenamenti, euristica)

Intelligenza artificiale debole crea algoritmi genetici per le CONOSCENZE DETERMINISTICHE
Le conoscenze deterministiche sono trattate come DATA INTELLIGENTI nella medicina
Sui data intelligenti si applicano ALGORITMI (opinioni matematiche) ottenendo

CONOSCENZE PROBABILISTICHE

VERIFICA conoscenze empiriche – deterministiche – probabilistiche
Ritorno all’INTELLIGENZA NATURALE

Risultato:

Processo di circolarità ordinata e costruzione CONOSCENZE SCIENTIFICHE (non sempre certe)

Apprendimento uomo + autoapprendimento macchina

Solo attraverso questa circolarità ordinata i Dati – Conoscenze – Comunicazione – Intelligenze – Ragionamenti – Apprendimenti – Big data – Algoritmi sui data saranno realizzati, utilizzabili e utilizzati in Sanità con gli attributi sopra elencati e molto verosimilmente incompleti. La costruzione futura dei registri distribuiti con tecnologia blockchain è il nuovo punto critico; dovrà essere pubblica, aperta a dati facoltativi e variabili; comprensiva di dati obbligatori, disponibile a debiti e crediti informatici concordati tra le intelligenze collettive multi specialistiche degli operatori sanitari rappresentati nelle Associazioni scientifiche. Nessuno operatore sia escluso; in questo ampio lavorare siano restituite le responsabilità individuali della cura.

Avremo computer con memoria sufficiente ed un’estensione delle associazioni quali: intelligenze naturali associate a intelligenze artificiali; conoscenze deterministiche associate a conoscenze probabilistiche e scientifiche; ragionamento simbolico associato a processo stocastico matematico; apprendimenti uomo associati ad apprendimenti macchine; big data associati a data scienze; algoritmi di calcolo associati ad algoritmi genetici, intelligenze individuali associate a intelligenze collettive; il tutto inserito nel processo consapevole di circolarità ordinata con punto di origine fisso nella mente umana.

Sanità digitale, ripartire dagli errori

  • Gli operatori sanitari devono riappacificarsi con la tecnologia informatica promuovendo la clinica informatica
  • Al medico sono necessarie le nuove tecnologie blockchain il cui utilizzo non deve essere errato nell’impostazione, sia condivisa con gli operatori sanitari la creazione delle caratteristiche dei registri distribuiti
  • Le intelligenze naturali degli operatori sanitari lavorino come intelligenze connesse e collettive, multi specialistiche e multi disciplinari; su piattaforma comune sviluppino con il ragionamento simbolico conoscenze deterministiche proprie dell’intelligenza artificiale debole; queste trasformate in big data-medicina siano elaborate dagli algoritmi; da qui sottoposte a compressione, astrazione cognitiva, codifica e regolamentazione normativa, ritornino all’Uomo come nuove conoscenze scientifiche con un processo di circolarità ordinata consapevole a punto di partenza fisso nell’intelligenza umana
  • Il confronto tra conoscenze acquisite dall’intelligenza artificiale e le conoscenze della mente umana resti sempre visibile a tutti gli operatori sanitari ed al singolo individuo; la consapevolezza di ciò che l’operatore fa sia sempre garantita, da qui derivi la responsabilità
  • Un processo di circolarità intelligenza uomo – intelligenza artificiale – uomo sia garantito unitamente a consapevolezza e responsabilità del singolo operatore
  • Il bene comune e del singolo uomo devono guidare percorsi equi e uguali senza etichette o categorie nascoste negli algoritmi
  • Persone intelligenti possono fare cose buone, malvagie o distorte; l’etica guidi sempre lo sviluppo della tecnologia garantendo equità e tutela del bene comune
  • Internet delle cose, computer quantistici, nanotecnologia, neuroscienza, intelligenza artificiale forte sono tra noi; nella nostra immaginazione restano per ora i computer con pensiero, con coscienza e con libero arbitrio
  • La malattia del computer non è la malattia del paziente e la malattia del paziente non è la malattia del computer.

Bibliografia

[1] Sancipriano G.P. La base della conoscenza per l’intelligenza artificiale applicata in nefrologia. Giornale Italiano di Nefrologia / Anno 22 n. 1, 2005.

[2] Sancipriano G.P. Intelligenza artificiale aggiornamento 2019 per il medico futuro. Giornale italiano nefrologia / Anno 35 volume 6, 2018.

[3] Antonello Soro. Convegno Uomini e Macchine. Protezione dati per un’etica del digitale 2018.

Ringrazio la professoressa Maria Grazia Sancipriano per l’aiuto nel lavoro di revisione.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

EU Stories - La coesione innova l'Italia

Tutti
Iniziative
Analisi
Iniziative
Parte la campagna di comunicazione COINS
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
Politche 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
Parte la campagna di comunicazione COINS
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
Politche 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