Il dibattito sull’utilizzo di intelligenza artificiale e machine learning è oggi di grande attualità su qualsiasi fronte di impiego, dalla produzione alla distribuzione. Ma su quello sanitario lo è ancora di più, per ovvi motivi legati da un lato alla salute delle persone, dall’altro alla loro privacy.
La ricerca tecnologica sta continuando a dimostrare che i sistemi computerizzati hanno il potenziale per migliorare le performance dei medici fornendo loro abbondanti risorse: dalle cartelle cliniche elettroniche alle sequenze genomiche, fino ai sensori incorporati che generano dati che una volta era impensabile avere.
Allo scopo, Mark Johnston, Director of Global Business Development, Healthcare, Life Sciences and Agricultural Technology di Amazon Web Services, è intervenuto sul tema di come l’intelligenza artificiale e il machine learning possono migliorare l’esperienza sanitaria dei pazienti.
Lo ha fatto ricordando che la Food and Drug Administration statunitense ha approvato quest’anno la prima soluzione diagnostica basata sull’intelligenza artificiale, un test per la retinopatia diabetica, in grado di produrre risultati in modo autonomo senza la necessità di intervento umano.
Ma non c’è solamente la ricerca. Per Johnson, infatti, le soluzioni di intelligenza artificiale e di machine learning vengono già utilizzate da molte aziende con l’obiettivo di migliorare l’esperienza sanitaria dei pazienti.
Un ltro esempio, infatti, è quello di Zocdoc sta sfruttando l’Intelligenza artificiale per risolvere un problema apparentemente molto semplice, ma che vessa regolarmente i malati. L’azienda americana, infatti, ha creato un’applicazione per la scansione delle carte assicurative che informa i pazienti su quali medici accettano di effettuare le prestazione da loro richieste. Lo ha fatto partendo da un modello di deep learning e allenando una rete neurale a leggere un’enorme raccolta di carte assicurative. Così Zocdoc è stata in grado di creare un sistema che estrae i dati rilevanti e verifica con gli assicuratori in tempo reale se la visita di un paziente sarà coperta.
Intelligenza artificiale con dati validi
Per alimentare soluzioni di Intelligenza artificiale e machine learning sono necessari dati buoni. Sono l’ingrediente fondamentale di cui hanno bisogno le organizzazioni sanitarie per aumentare efficienza e risultati e migliorare la qualità della vita sia dei pazienti che degli operatori sanitari.
Secondo Johnston, mntre la necessità di effettuare interventi e di sviluppare nuove terapie spesso relega in secondo piano la raccolta e l’analisi dei dati, nuovi strumenti consentono agli sviluppatori di integrare il machine learning e altre funzionalità nella routine di sviluppo e somministrazione dei trattamenti.
Più le applicazioni si ampliano, più la riuscita inizia a dipendere da molti fattori. Ad esempio, la necessità di grandi quantità di dati e di elevata qualità, accuratamente selezionati. E questi possono essere difficili da reperire in un settore come quello sanitario, dove i dati sono spesso complessi e non strutturati.
Set di dati di alta qualità sono necessari non solo per far funzionare i sistemi basati su Intelligenza artificiale e machine learning, ma, più importante, per allenare i modelli su cui questi si basano.
Inoltre i sistemi devono essere ottimizzati per compiti ad elevata quantità di calcolo, tipici delle applicazioni di Intelligenza artificiale, e aggiornati via via che la tecnologia si sviluppa. Risorse IT conformi agli standard e ai regolamenti del settore sono necessarie per assicurare sicurezza e privacy di pazienti e di altri dati sensibili.
Intelligenza artificiale contro il cancro
Altro esempio che cita Johnson è quello di Flatiron Health, che sta connettendo i dati clinici di 265 pratiche oncologiche, una rete crescente di grandi centri accademici e altre organizzazioni sanitarie che documentano più di 2 milioni di casi di cancro.
Integrando questi dati nei sistemi di Intelligenza artificiale, Flatiron è in grado di ottimizzare le cure, sviluppare nuovi regimi di trattamento e scoprire nuove potenziali terapie.
La società farmaceutica svizzera Roche, che vi investiva nel 2015, a febbraio 2018 ha acquisito Flatiron a titolo definitivo per 1,9 miliardi di dollari.
Una tecnologia fondamentale per fornire capacità analitiche e di storage, flessibilità e sicurezza per implementare l’intelligenza artificiale è il cloud.
Intelligenza artificiale su cloud
Le piattaforme cloud, spiega Johnson, semplificano l’acquisizione e l’elaborazione dei dati, strutturati, non strutturati o in streaming.
Questi strumenti semplificano il processo di costruzione, training e implementazione di modelli basati sul machine learning. Le organizzazioni sanitarie in grado di utilizzare i dati per rendere se stesse e i propri clienti più efficienti ed efficaci saranno quelle che otterranno i maggiori successi nei prossimi anni, soprattutto se di pari passo all’Intelligenza artificiale crescerà l’attenzione verso un migliore impiego delle risorse.
Philips sta creando la piattaforma digitale HealthSuite su una raccolta di oltre 21 petabyte di dati sul cloud provenienti da 390 milioni di immagini mediche, cartelle cliniche e input dei pazienti. HealthSuite offre a provider, medici, data scientist e sviluppatori accesso sia a dati di qualità che a strumenti di Intelligenza artificiuale, che possono utilizzare per migliorare l’assistenza sanitaria in tempo reale.
Orion Health, invece, ospita i dati di 50 milioni di utenti sul cloud, consentendo di accedere alle informazioni sui pazienti, dai dati clinici e genomica ai dati relativi alle richieste di rimborso. Strumenti associati consentono ai provider di identificare trattamenti e strategie di prevenzione personalizzati per ottimizzare il processo decisionale in fase clinica.
Johnston conclude dicendo che benché la disponibilità di fonti e volumi di dati cresceranno, gli ingredienti per il successo di intelligenza artificiale e machine learning in sanità rimarranno sempre i dati di alta qualità, i sistemi ottimizzati, il cloud e servizi che rendano il machine learning accessibile a tutti gli sviluppatori.
