Le cure con gli algoritmi

In una serie di articoli dell’Economist che provano a immaginare come sarà il futuro, intitolata “What if?”, l’immaginaria vincitrice del premio Nobel per la medicina del 2036 è YULYA, un’intelligenza artificiale che ha salvato 4 milioni di vite grazie al superamento del problema dell’antibiotico-resistenza, il fenomeno per cui molti batteri resistono all’attività degli antibiotici rendendoli inefficaci.

In linea di massima l’intelligenza artificiale è la scienza che si occupa di come creare macchine intelligenti, e che ha trovato nelle possibilità offerte dall’informatica la via più pratica per ottenere questo risultato. L’obiettivo finale dell’intelligenza artificiale è realizzare software, che a loro volta sono stati chiamati intelligenze artificiali, in grado di raggiungere obiettivi e risolvere problemi come farebbe un essere umano. O meglio, in certi casi.

Nello scenario immaginato dall’Economist, nel 2034 per errore viene consentito a YULYA – progettata per sviluppare nuove cure contro i tumori – di accedere a un enorme database di studi sui farmaci. In questo modo riesce a migliorare le proprie conoscenze sull’antibiotico-resistenza, trovando nuove combinazioni di farmaci e risolvendo così un problema considerato attualmente dalle autorità sanitarie una grave minaccia. È una storia ovviamente inventata che però prova a ipotizzare cosa succederà in futuro sulla base delle evidenze scientifiche al momento disponibili.

Non è una suggestione insensata pensare che in futuro l’intelligenza artificiale possa curare le persone o aiutare a prevedere le malattie: negli ultimi anni, in tutto il mondo, medici e ricercatori hanno collaborato e discusso su come sfruttare una risorsa tecnologica così potente. Ne hanno anche valutato i limiti, i possibili effetti distorsivi e gli errori, che anche in ambito sanitario dipendono da come viene strutturata questa tecnologia e di quanti e quali dati si serve.

«L’intelligenza artificiale può migliorare l’assistenza sanitaria e la medicina in tutto il mondo, ma solo se l’etica e i diritti umani vengono messi al centro della sua progettazione, implementazione e utilizzo», si legge nel report “Etica e governance dell’intelligenza artificiale per la salute” pubblicato a fine giugno dall’Organizzazione mondiale della sanità (OMS) e risultato di una consultazione tra esperti durata due anni.

Nonostante sia spesso percepita con un’accezione fantascientifica o distopica, l’intelligenza artificiale viene già utilizzata in molte discipline della medicina come strumento di supporto per migliorare il giudizio e in generale il lavoro dei medici. I principali settori di applicazione sono la diagnostica, lo sviluppo di nuovi farmaci e vaccini, la riabilitazione e la telemedicina. È utile nell’analizzare le immagini per diagnosi radiologiche in oncologia, soprattutto per radiografie toraciche, colonscopie, mammografie, TAC cerebrali; viene usata anche per esami non radiologici, in dermatologia e in oculistica, e aiuta ad accorciare i tempi di analisi (sequenziamento) dell’RNA e del DNA.

I possibili sviluppi sono tantissimi: potrebbe consentire ai medici di individuare precocemente eventi di una certa gravità come l’ictus, il tumore al seno, le malattie coronariche, le polmoniti e il diabete. Anche in caso di malattia conclamata, l’intelligenza artificiale potrebbe essere utilizzata per integrare le cartelle cliniche dei pazienti durante lo studio di una cura o avere informazioni più dettagliate prima di prendere decisioni terapeutiche delicate come un ricovero o un’operazione chirurgica.

La tecnologia può anche migliorare la comunicazione tra le strutture sanitarie, i medici di famiglia e i pazienti, e attraverso controlli costanti aiutare le persone malate ad avere più consapevolezza e controllo delle proprie condizioni di salute, di come e quando assumere farmaci, di quanto sia importante avere un’alimentazione sana e fare regolare attività fisica.

– Leggi anche: Il giorno in cui Siri ci dirà se siamo malati

Lo sviluppo dell’intelligenza artificiale in medicina è legato all’aumento significativo dei dati: in ogni momento della giornata tutte le persone ne producono una notevole quantità, e sempre più dettagliati. Un esempio banale e immediato è l’app Salute presente su iOS, il sistema operativo degli iPhone, che conta i passi fatti in un giorno e osserva il battito del cuore, se collegata a un dispositivo come uno smartwatch. Anche quando ci si sottopone a un esame in ospedale vengono raccolti dati in diverse forme: possono essere semplici, come la rilevazione della pressione arteriosa, o complessi come una TAC di ultima generazione, tecnica di indagine approfondita che consente di ricostruire un’immagine tridimensionale degli organi.

I dati alimentano diversi sistemi di analisi che si basano su algoritmi e sono essenziali per far sì che l’intelligenza artificiale sia davvero intelligente. Uno dei sistemi di analisi più utilizzati è il machine learning che consiste nello studio e nella costruzione di algoritmi che permettano ai computer di imparare a eseguire un compito preciso come riconoscere un’immagine o fare previsioni attendibili, a partire da un insieme di dati forniti dagli sviluppatori. L’algoritmo non impara cosa è un cane sulla base delle sue caratteristiche – ha quattro zampe, due occhi, può avere le orecchie di una certa grandezza e il naso di una certa forma – ma riesce a identificarlo dopo aver imparato come è fatto osservando migliaia di foto che gli sviluppatori hanno categorizzato come immagini di cani.

Capire come funziona il machine learning è importante per comprendere le potenzialità dell’intelligenza artificiale in medicina, dove i dati abbondano anche se fino a pochi anni fa erano una risorsa poco o mal utilizzata.

– Leggi anche: Come si insegna a un computer a imparare

Giuseppe Sollazzo è “Head of Artificial Intelligence Skunkworks and deployment” del servizio sanitario nazionale inglese («Il nome più hipster della mia vita professionale», scherza). Significa che è a capo di una squadra di analisti dei dati che ha il compito di capire come usare l’intelligenza artificiale nel sistema sanitario e negli ospedali. Il dipartimento di Sollazzo coordina alcuni progetti sperimentali negli ospedali per trovare possibili applicazioni dell’intelligenza artificiale in campo sanitario, nuovi metodi di analisi, sviluppi e miglioramenti, errori e limiti, e in questo modo produrre un modello da portare in tutti gli ospedali inglesi.

L’ambito più promettente riguarda l’analisi delle immagini. L’intelligenza artificiale può osservare la TAC, un’immagine tridimensionale, per capire come una malattia evolve nel tempo e quindi se le condizioni di una persona migliorano o peggiorano. Un medico riesce a capirlo guardando la TAC grazie agli studi e all’esperienza: attraverso il machine learning, un’intelligenza artificiale può analizzare le stesse immagini più rapidamente, con una maggiore possibilità di individuare lesioni minuscole, e aiutare il medico a prendere decisioni.

«C’è un modo per prevedere come si evolvono malattie come il glaucoma (una malattia cronica e progressiva che colpisce il nervo ottico) prima che le condizioni diventino più gravi? È una delle domande che ci stiamo facendo e a cui l’intelligenza artificiale può dare una risposta attraverso l’analisi di milioni di immagini», spiega Sollazzo.

Uno dei problemi più rilevanti è la mancanza di dati dettagliati per studiare modelli che siano validi per tutte le persone. Il dipartimento di Sollazzo sta lavorando con un gruppo di dermatologi impegnato nella ricerca di un modello efficace e universale per la cura delle piaghe da decubito. «La spinta per questo lavoro è arrivata dal fatto che ci sono pochi studi sull’evoluzione delle piaghe da decubito di pazienti non bianchi: non esistono database accurati con immagini di persone nere», spiega. «Stiamo cercando di capire come creare una piattaforma per raccogliere questi dati e creare un modello predittivo dell’evoluzione delle piaghe che non sia soggetto a pregiudizi».

Se l’intelligenza artificiale viene addestrata solo con immagini di piaghe di persone bianche, il rischio di errori nell’analisi di esami su una persona nera è molto alto. «Una delle domande più interessanti che ci stiamo facendo è se si può creare un modello unico per tutte le persone oppure deve essere studiato un modello per ogni grado della scala dei fototipi, cioè del colore della pelle. Queste sono le conseguenze concrete della mancanza di dati», dice Sollazzo.

Rimediare alla scarsità di dati è complesso anche perché i dati sanitari sono delicati e non possono essere raccolti e gestiti con leggerezza. Servono accortezze e tutele per evitare abusi come l’uso improprio da parte delle aziende. Da qualche anno anche in Italia esperti di sanità e di intelligenza artificiale si confrontano e studiano possibili applicazioni in sanità.

Uno degli esempi più rilevanti è la “Cartella clinica del cittadino” attivata nel 2012 dalla provincia autonoma di Trento. È un fascicolo sanitario elettronico che non archivia e analizza solo i dati raccolti in ospedale, come i risultati degli esami, ma anche quelli prodotti ogni giorno dal paziente.

Una persona diabetica, per esempio, inserisce ogni giorno i valori della glicemia, il tipo di pasto consumato e a che ora ha mangiato. «L’intelligenza artificiale non sostituisce il medico: il medico usa l’intelligenza artificiale per controllare le condizioni di salute del paziente in modo più approfondito e prescrivere cure personalizzate», spiega Paolo Traverso, direttore del dipartimento strategia e sviluppo della Fondazione Bruno Kessler di Trento, che ha collaborato allo sviluppo della cartella clinica del cittadino, e tra i più qualificati esperti italiani di intelligenza artificiale. «L’app della cartella clinica del cittadino interagisce con le persone e i medici, e aiuta a comprendere meglio come sta un paziente e come si evolvono le sue condizioni nel tempo. I medici portano la conoscenza, l’app consente di osservare meglio la realtà: così si affinano i modelli di cura».

Al momento la piattaforma è utilizzata da oltre 140mila persone nella provincia autonoma di Trento e la fondazione Bruno Kessler ha stretto accordi anche con Emilia-Romagna, Umbria, Friuli Venezia Giulia e in ospedali come il Fatebenefratelli per cui è stata messa a punto MumApp, un’app per seguire le fasi dello sviluppo dei neonati nei primi mille giorni di vita. «A tutti i progetti lavorano esperti di intelligenza artificiale e  anche giuristi perché il tema della protezione dei dati e del consenso informato è essenziale», continua Traverso. «Abbiamo utilizzato il metodo “privacy by design”, un approccio che considera la privacy come centrale nello sviluppo».

– Leggi anche: Come l’Europa vuole regolamentare le intelligenze artificiali

Nel report “Etica e governance dell’intelligenza artificiale per la salute”, gli esperti dell’OMS hanno individuato sei principi per garantire che l’intelligenza artificiale per la cura delle persone funzioni nell’interesse pubblico e nel rispetto della privacy. Il primo è la protezione dell’autonomia umana: i medici devono mantenere il controllo dei sistemi sanitari e delle decisioni mediche. Un altro principio rilevante è la necessità di garantire trasparenza attraverso la pubblicazione di tutte le informazioni sulla progettazione di un sistema di intelligenza artificiale.

Le informazioni devono essere facilmente accessibili e stimolare un dibattito sull’uso corretto della tecnologia. Inoltre devono essere garantite inclusività ed equità. L’OMS spiega che l’intelligenza artificiale per la salute deve essere «progettata per incoraggiare l’uso e l’accesso più equo possibile, indipendentemente da età, sesso, genere, reddito, razza, etnia, orientamento sessuale, abilità o altre caratteristiche protette dai codici dei diritti umani».