Skip to main content

Intelligenza artificiale nella gestione clinica: team multidisciplinare e logica trasversale

A cura di Giada Savini By 26 Giugno 2023No Comments
Dai congressiNewsSpeciali
intelligenza artificiale gestione clinica

In una delle prime sessioni del 54° Congresso dell’Associazione Nazionale dei Medici Cardiologi Ospedalieri (ANMCO), tenutosi a Rimini a fine maggio, sono state discusse le applicazioni dell’intelligenza artificiale nella gestione clinica.

A moderare l’incontro, seppur squilibrato in termini di partecipazione, è stato il professor Gianfranco Gensini, presidente del Centro studi di medicina avanzata di Firenze, che ha commentato l’apertura della relazione concentrandosi sulla collaborazione: “Laddove non si abbia un incontro fra le competenze che devono portare al risultato purtroppo si assiste a quella diffidenza reciproca che è alla base di molti dei problemi della scarsa diffusione del digitale, prima di tutto, ma anche dell’intelligenza artificiale”.

Non c’è dubbio che la mancanza di una cooperazione tra i protagonisti – il clinico, il bioingegnere e il cittadino ­– “impedisce quella armoniosa collaborazione positiva che invece si può realizzare”, afferma Gensini introducendo la relazione di Marco Mazzanti, direttore del Cardiac Imaging e Telecardiologia presso gli Ospedali Riuniti di Ancona. “Dobbiamo cominciare a pensare che gli applicativi che andremo ad utilizzare devono comprendere all’inizio tutti gli attori di questa filiera – ha spiegato Mazzanti – dobbiamo penetrare quella condizione che fino ad oggi coinvolge meno il clinico nella supervisione”.

Ma prima di tutto, di cosa parliamo quando parliamo di intelligenza artificiale? “Potremmo dire che è composta da sistemi intelligenti che sono stati pensati e in parte addestrati per svolgere dei compiti, ma senza essere stati esplicitamente programmati per farlo. Sono dei software molto sofisticati che hanno la capacità di apprendere dai dati legati al mondo reale, in alcuni casi di modificare le decisioni che ne escono sulla base dell’esperienza, esattamente come un essere umano”.

Sottoinsiemi dell’intelligenza artificiale sono: il machine learning, che utilizza delle modellazioni statistiche capaci di apprendere dai dati e che possono essere utilizzate nel decision making, e il deep learning, che utilizza invece algoritmi supervisionati per simulare il comportamento del genere umano.

“Cominciamo invece a delineare il team multidisciplinare: è composto da data scientist, ingegneri biomedici ma soprattutto dal clinico, che, sin dall’inizio, supervisiona l’intero strumento” e consente la transizione dal machine learning al deep learning, permettendo al sistema di diventare sempre più preciso. “Solo attraverso un approccio multidisciplinare è possibile raggiungere obiettivi come la diagnosi guidata, la selezione della terapia, lo sviluppo di strategie di prevenzione e l’incremento delle conoscenze”.

“In sanità l’intelligenza artificiale è centrale tanto quanto lo è il paziente per i dati che ci dà, ma cominciamo ormai ad avere esempi in cui i dati che provengono dal mondo reale non sono sempre strutturati”. Per esempio, “analizziamo l’audio, prendiamo i dati e li elaboriamo in linguaggio naturale, analizziamo i grafici, le immagini, tutti i dati grezzi, cioè che non sono strutturati di per sé ma lo sono all’interno di un sistema laddove l’intelligenza artificiale viene prodotta”.

Si tratta della cosiddetta data lake: “Senza data lake non si può fare intelligenza artificiale ad ampio respiro, possiamo fare modellistica verticale all’interno di una disciplina ma non possiamo fare una modellazione trasversale, perché nel data lake noi popoliamo differenti sistemi clinici e ciò consente di poter contribuire a una precisione del sistema tale da renderlo davvero intelligente”.

Uno dei punti fondamentali è l’approccio trasversale. Il sistema che acquisisce dati dai point of care, dai sistemi wearable consente, sì, di passare alla automatizzazione intelligente di alcuni processi clinici ma continua ad avere una valenza verticale, prosegue Mazzanti, con i sistemi che non si parlano.

“Per avere un uso clinico di uno strumento di intelligenza artificiale e renderlo veramente accurato e costo-efficace, ridurre i potenziali rischi e il carico di lavoro quotidiano del medico, dobbiamo rendere il processo trasversale, non più solo verticale”. Ciò significa considerare tutti i dati disponibili, compresi quelli provenienti dai pazienti, e garantire la protezione della privacy e la sicurezza dei dati. Infatti, il “data sharing è fondamentale: tanto più saremo in grado di proteggere e rendere sicuro, in termini di privacy, il paziente, tanto più riusciremo a fare veramente modelli predittivi seri”.

L’intelligenza artificiale in ambito medico offre molte potenzialità, ma “è ancora necessario affrontare sfide come l’accesso ai dati, la protezione della privacy e la validazione dei modelli. È necessario promuovere la collaborazione tra diverse discipline e adottare approcci trasversali per sviluppare applicazioni di intelligenza artificiale efficaci e significative nel settore sanitario” conclude Mazzanti.