L’Intelligenza Artificiale (quella vera) ci salva la vita.
Ne parlavamo qualche tempo fa, in un editoriale di HealthTech360.
Già, perché, come dicevamo, parliamo tanto di ChatGPT, ma il clamore mediatico suscitato dalle sue performance, in realtà, rischia di allontanarci da un confronto serio e scientifico.
Invece, l’AI è qualcosa di molto reale e concreto che può davvero aiutare i medici e le organizzazioni sanitarie. Ed è qui per restare, è bene che ce ne facciamo una ragione. Non sostituirà in alcun modo il medico, ma potrà aiutarlo a prendere decisioni migliori.
Indice degli argomenti
Intelligenza Artificiale in Sanità: l’Italia c’è
E gli esempi si sprecano.
Si pensi, ad esempio, a Sybil, un algoritmo che, a partire dall’immagine di una TAC, è in grado di prevedere il rischio che una persona sviluppi un tumore al polmone entro 6 anni: un enorme passo in avanti nella diagnosi precoce di questa terribile malattia.
I detrattori dell’AI, in casi come questi, sono pronti a dire: “Ok, ma questi sono studi, poi nella realtà di concreto non c’è nulla, e poi figurarsi in Italia…”.
Per nostra fortuna, niente di più sbagliato. E anzi, per molti versi, possiamo dire che il nostro Paese è all’avanguardia proprio in questi ambiti. In Italia, infatti, c’è un gran fermento di iniziative e sperimentazioni sull’Intelligenza Artificiale in Sanità: Università, Ospedali, centri di ricerca, IRCSS… Sono tante, anche nel nostro Paese, le organizzazioni sanitarie, pubbliche e private, che stanno investendo nell’AI in Sanità credendo fortemente nella sua utilità.
Di seguito, alcuni esempi che – senza alcuna pretesa di esaustività – sono indicativi di quanto sia effervescente il panorama delle sperimentazioni sull’Intelligenza Artificiale in Sanità in Italia, con alcune applicazioni in corso che sono già passate (o stanno per passare) dalla fase di progetto, ricerca e sperimentazione a quella di attuazione pratica e concreta operatività sul campo.
L’algoritmo Sphinks: c’è l’Italia nella lotta ai tumori con l’AI
Sybil non è certo l’unico esempio di algoritmo di AI potenzialmente salvavita.
Si pensi, ad esempio, ad uno dei molti – e tra i più importanti – algoritmi di Intelligenza Artificiale applicabili alla Sanità: Sphinks.
La sua applicazione promette davvero di dare una mano importante nella lotta ai tumori.
In questo algoritmo c’è tanta Italia. Esso, infatti, è opera di un team internazionale coordinato da scienziati italiani che vivono in Usa.
L’idea di Antonio Iavarone e Anna Lasorella – i ricercatori italiani del Sylvester Comprehensive Cancer Center dell’Università di Miami che hanno diretto e coordinato il lavoro su Sphinks e supervisionato l’articolo pubblicato su Nature Cancer – è stata sfruttare l’AI – in particolare, il machine learning – per scovare i tumori e, analizzandone l’enorme mole di dati che è possibile generare per ciascuno di essi – riuscire a creare terapie anticancro personalizzate (e, quindi, più efficaci) per ogni paziente.
Un grande passo, dunque, verso la Medicina personalizzata e di precisione.
Il dispositivo basato sull’AI dell’IRCCS Policlinico di Sant’Orsola
E, come detto, non si tratta soltanto di studi, ricerche, prospettive, speranze per il futuro.
L’Intelligenza Artificiale in Sanità in Italia, in alcuni ospedali, è già concretamente all’opera – con strumenti e dispositivi ad hoc a disposizione di tutti i cittadini e pazienti – per provare a dare la caccia ai tumori (e non solo) e salvarci la vita.
È il caso, ad esempio, del dispositivo basato sull’AI utilizzato all’IRCCS Policlinico di Sant’Orsola per supportare le attività di diagnosi precoce dei noduli ai polmoni.
Il sistema – si legge in una nota del Sant’Orsola – funziona incrociando in tempo reale i dati della TAC e le immagini della radiologia fluoroscopica ricostruendo un’immagine tridimensionale della realtà che non sarebbe possibile visualizzare altrimenti. Riproduce fedelmente una broncoscopia e indirizza i medici che la utilizzano, come un piccolo e sofisticato “navigatore” intelligente, così da arrivare in posti dove non sarebbe stato possibile arrivare con la normale navigazione e scovare precocemente anche le tracce meno visibili di noduli polmonari periferici.
AOU Careggi, Università di Firenze, AUSL Toscana Centro e Fondazione Kessler
Ed è ancora frutto di una ricerca italiana un’altra applicazione dell’Intelligenza Artificiale in Sanità, in questo caso in ambito diagnostica medica, finalizzata a minimizzare i rischi del paziente ottimizzando i livelli di radiazioni somministrati durante la TAC.
Un gruppo di ricercatori, fisici, medici e radiologi del Dipartimento di Fisica e Astronomia dell’Università di Firenze, dell’Azienda ospedaliero-universitaria Careggi e dell’Azienda Usl Toscana centro, è riuscito ad automatizzare il processo di valutazione della qualità d’immagine negli esami di tomografia computerizzata utilizzando l’Intelligenza Artificiale allo scopo di ridurre le radiazioni al paziente.
Al progetto, hanno collaborato anche l’Istituto Superiore di Sanità e la Fondazione Bruno Kessler di Trento.
Diagnosi precoce del tumore al pancreas: il progetto dell’Ospedale Cardarelli
L’esame TAC consente una diagnosi accurata di carcinoma al pancreas ma, nei casi di neoplasie di dimensioni inferiori ai 2 centimetri, esse non sono identificabili.
L’Intelligenza Artificiale può interpretare le immagini TAC del pancreas, vedendo un tumore che il medico potrebbe non diagnosticare quando troppo piccolo, sfuggendo alla diagnosi precoce.
Questo l’obiettivo di una sperimentazione all’Ospedale Cardarelli di Napoliil cui progetto èsviluppato in collaborazione con il Dipartimento di Ingegneria Elettrica e delle Tecnologie dell’Informazione dell’Università degli Studi di Napoli Federico II.
Il carcinoma duttale del pancreas – come spiegato dal Cardarelli – è molto difficile da diagnosticare quando ha piccole dimensioni. Il modello di AI implementato, tuttavia, riesce a interpretare le immagini TAC, svelando la presenza di eventuali neoplasie anche se di misure ridotte.
Ogni anno, in Italia – fa notare al proposito l’Ospedale – vengono accertati circa 14mila carcinomi duttali del pancreas per i quali, purtroppo, la diagnosi è spesso tardiva. Si comprende, allora, come l’applicazione di questa tecnologia basata sull’AI, che permette di accertare un tumore già in fase precoce, possa far intravedere un cambio di prospettiva in termini di tempestività delle cure da prestare al paziente.
L’Intelligenza Artificiale e il Cloud di Google allo IEO e al Monzino
L’Istituto Europeo di Oncologia (IEO) e il Centro Cardiologico Monzino hanno annunciato – mediante una nota di Google Cloud – di aver fatto un importante passo avanti nella ricerca medica con l’introduzione della cosiddetta Clinical Data Platform (CDP). La piattaforma, basata sulle soluzioni di Intelligenza Artificiale di Google Cloud, consente di classificare e analizzare i dati clinici a una velocità 300 volte superiore rispetto ai metodi tradizionali utilizzati in precedenza.
In sostanza, utilizzando soluzioni di Intelligenza Artificiale, tra cui Vertex AI di Google, IEO e Monzino sono riusciti ad analizzare grandi quantità di dati non strutturati (sono i più diffusi tra i Big data, ossia, ad esempio, sono le note di testo e le cartelle scritte dai medici, le prescrizioni di farmaci e via dicendo, tutto ciò che, per capirci, non finisce ordinato e taggato nei vari database strutturati e nei fogli di calcolo) e hanno classificato le informazioni in maniera strutturata all’interno della Clinical Data Platform per facilitarne l’analisi e la ricerca.
Un vantaggio enorme offerto, in particolare, dall’utilizzo dell’AI generativa.
ENDO-AI: l’Intelligenza Artificiale nei dispositivi medici
ENDO-AI è un progetto tutto italiano nato in collaborazione con un team medico-scientifico dell’Università Cattolica del Sacro Cuore, una start-up e una software company anch’esse italiane.
In un certo senso, questo progetto traccia la strada dell’endoscopia del futuro superando quella tradizionale attraverso l’uso combinato dell’Intelligenza Artificiale e di un endoscopio che unisce le usuali fonti ottiche alla sensoristica di precisione.
ENDO-AI riesce a ottenere immagini in 3D ad alta risoluzione in grado di identificare con precisione lesioni, tumori e altre anomalie del tratto gastrointestinale. Un esempio di come l’AI stia entrando anche nei nuovi dispositivi medici e diagnostici in modo molto concreto e sia già pronta, anche in Italia, per aiutare medici e chirurghi.
MedQuestio: un esempio di AI generativa made in Italy
La Medicina basata sulle evidenze, Evidence Based Medicine (EBM), rappresenta un pilastro della Medicina moderna, enfatizzando l’uso di prove scientifiche nella presa di decisioni cliniche. Garantisce che le cure siano basate su ricerche solide e attuali, ottimizzando l’efficacia dei trattamenti. L’EBM promuove una pratica medica sicura, riducendo l’uso di interventi inefficaci o dannosi. Inoltre, guida la formazione continua dei medici e orienta la politica sanitaria verso approcci basati sull’evidenza.
L’applicazione sistematica delle prove scientifiche nei processi decisionali richiede strumenti capaci di offrire al professionista sanitario accesso facilitato e controllo dell’enorme mole di bibliografia medica in continuo aggiornamento.
Per tutto ciò, MedQuestio è un esempio di possibile intermediario. Si tratta di una piattaforma pensata per unire la capacità dei Large Language Models (LLM) di generare testo con la qualità delle informazioni medico scientifiche validate utilizzate come fonte di apprendimento.
Il modello di AI genera risposte elaborate sulla base dei contenuti presenti negli articoli scientifici della SIICP – Società Italiana Interdisciplinare per le Cure Primarie. Questo significa che la piattaforma non si basa su informazioni generiche o su contenuti non verificati, ma attinge direttamente da una fonte autorevole e riconosciuta nel campo medico.
L’AI che dà voce alle emozioni: il progetto Talking About
Talking About è un progetto nato da un’azienda italiana in collaborazione con l’Università degli Studi di Cagliari.
Si tratta di un algoritmo di deep learning in grado di rilevare in tempo reale le emozioni da un semplice tracciato vocale.
Già utilizzato come supporto per lo screening della depressione post-partum, laddove è risultato molto promettente, l’algoritmo è pronto per altri scenari applicativi, soprattutto nell’ambito delle patologie cardiovascolari, neurodegenerative e del burnout.
L’intento è fornire un supporto alle decisioni degli specialisti, con il vantaggio, di fondamentale importanza, di una totale integrazione con la Telemedicina.
Talking About è in grado di rilevare l’umore delle persone in tempo reale e con un apprezzabile livello di affidabilità anche durante le televisite. Talking About, infatti, è stato sviluppato con l’obiettivo di integrarsi nella pratica medica, anche a distanza.
AI e malattia di Alzheimer: Università e Politecnico di Bari, Ospedale San Raffaele, CNR, Università di Firenze e AOU Careggi
L’Università Aldo Moro e il Politecnico di Bari hanno sviluppato un algoritmo di Intelligenza Artificiale in grado di rilevare cambiamenti patologici nelle immagini di risonanza magnetica associati alla malattia di Alzheimer già nella fase di lieve declino cognitivo. Questa fase è critica, poiché le alterazioni non sono ancora visibili clinicamente, ma è proprio il momento in cui i trattamenti sperimentali possono avere maggiore efficacia.
L’algoritmo si fonda su un evoluto modello di rete cerebrale per rappresentare le diverse aree cerebrali e le loro interazioni.
Il modello in questione è impiegato per addestrare sistemi di Explainable Artificial Intelligence (XAI) che classificano con precisione gli stadi iniziali della malattia e identificano anche le aree cerebrali e le informazioni che maggiormente influenzano la classificazione.
Questa tecnologia, in linea con il paradigma della Medicina personalizzata, supera le limitazioni degli algoritmi di AI tradizionali, spesso considerati “black box”, che forniscono risposte senza spiegare i criteri decisionali. I modelli XAI avanzati, invece, offrono spiegazioni dettagliate, evidenziando – nel caso in questione – i distretti anatomici rilevanti nella diagnosi dell’Alzheimer e rendendo il processo decisionale più trasparente e comprensibile.
Sempre presso l’Università di Bari, un gruppo di ricercatori – con l’obiettivo di identificare l’Alzheimer grazie all’Intelligenza Artificiale – ha creato un modello di AI multimodale che utilizza sia MRI che PET tridimensionali.
Come spiegato da UniBa – i ricercatori hanno scoperto che queste due modalità forniscono prospettive diverse, ma entrambe utili, rendendo il modello più efficace. I risultati sperimentali ottenuti evidenziano che il modello multimodale utilizzato non solo equipara, ma supera numerosi metodi allo stato dell’arte. Inoltre, analizzando le zone delle scansioni su cui il modello di AI si è focalizzato, sono state identificate alcune aree cerebrali vitali per la diagnosi, in linea con quanto scoperto da altri ricercatori.
Lo studio (2024) è stato pubblicato sulla rivista Scientific Reports.
Anche il San Raffaele di Milano è in prima linea nell’uso dell’Intelligenza Artificiale per predire l’Alzheimer. A dirigere il gruppo di ricerca in questo ambito è Federica Agosta, Group Leader, Unità di Neuroimaging delle Malattie Neurodegenerative, Istituto di Neurologia Sperimentale, presso l’Ospedale San Raffaele. La scienziata è tra i 22 esperti internazionali che hanno definito le raccomandazioni per un uso efficace dei biomarcatori nella diagnosi di Alzheimer. Le nuove linee guida per la diagnosi precoce della malattia di Alzheimer, alle quali ha contribuito Agosta, sono state pubblicate su Lancet Neurology.
Inoltre, un recente studio, condotto dal Consiglio Nazionale delle Ricerche (CNR) in collaborazione con l’Università di Firenze e l’Azienda Ospedaliera Universitaria Careggi, rappresenta un importante passo avanti nell’applicazione dell’apprendimento automatico per l’individuazione precoce dell’Alzheimer.
La ricerca, pubblicata sul Journal of the Franklin Institute, è caratterizzata dall’utilizzo innovativo di metodi di apprendimento automatico topologico applicati ai dati di spettroscopia Raman.
Questo approccio consente di rilevare alterazioni biochimiche associate alla malattia di Alzheimer con un’accuratezza maggiore rispetto ai risultati precedenti.
Gemelli Generator e Real World Data: AI e big data processing per i dati clinici
Gemelli Generator è uno dei progetti della Fondazione Policlinico Universitario A. Gemelli IRCCS in collaborazione con l’Università Cattolica del Sacro Cuore e il Parco Scientifico Tecnologico (GSTeP) che ha lo scopo di “mettere a disposizione di medici e ricercatori un’ampia gamma di facility di ricerca e come obiettivo la valorizzazione clinica e scientifica di competenze, processi e dati del Data Warehouse (DWH) e delle biobanche della Fondazione Policlinico Universitario A. Gemelli IRCCS, attraverso servizi avanzati di estrazione, raccolta e analisi dati”.
Tra le facilities di Gemelli Generator, in relazione ai temi dell’Intelligenza Artificiale in Sanità e Medicina, spiccano i “Real World Data (RWD)”, ossia i “servizi di intelligenza artificiale e big data processing per l’integrazione dei dati clinici e lo sviluppo di modelli predittivi a supporto di diagnosi, terapie e processi clinici”.
Tale facility – come spiegato dallo stesso Progetto – offre servizi di estrazione, analisi ed elaborazione di grandi volumi di dati attraverso tecniche avanzate di intelligenza artificiale e machine learning. Essa, infatti, è specializzata nell’elaborazione di sistemi di:
- estrazione automatizzata (Mini.Bot);
- sviluppo di modelli predittivi in grado di simulare situazioni cliniche complesse multidimensionali (Avatar);
- creazione di banche dati secondarie ad aggiornamento continuo e di bridge con altre banche dati;
- integrazione ed elaborazione di dati eterogenei, clinici, di laboratorio e di immagine (dati radiomici innovativi);
- sviluppo di “Data Products” attraverso aggregazione e sintesi di Data Mart.
Il fine primario della facility – si legge nella presentazione della RWD – è offrire sistemi di supporto alla decisione clinica a beneficio della persona-paziente e della comunità, rendendo fruibili e facilmente interpretabili dai professionisti numerose informazioni altrimenti non disponibili.
ASST della Brianza: una piattaforma di AI e big data per la ricerca clinica
Presso l’ASST della Brianza, un progetto di ricerca sfrutta una piattaforma CDSS (Computerized Decision Support System) integrando i dati delle cartelle cliniche elettroniche dei pazienti per sviluppare e testare modelli predittivi a supporto delle decisioni cliniche. Tali modelli sono costruiti su centinaia di promemoria internazionali e analizzano decine di migliaia di interazioni farmacologiche ed eventi avversi. Il risultato è un complesso sistema di notifiche che monitora il decorso clinico dei pazienti ricoverati, offrendo – grazie all’Intelligenza Artificiale – un supporto decisionale predittivo e personalizzato.
L’Intelligenza Artificiale e l’analisi dei Big Data hanno dimostrato notevole potenzialità nell’ambito di sviluppi applicativi e della ricerca clinica, ma queste opportunità sono strettamente legate alla disponibilità dei dati in formato digitale – ha dichiarato al proposito Hernan Polo Friz, principal investigator del team del suddetto progetto di ricerca.
L’accessibilità ai dati in formato digitale – ha spiegato Friz – rimane una sfida importante in Italia e in tutto il mondo. Ad esempio, tutti gli ospedali italiani hanno una cartella clinica. Purtroppo, in molti casi questa è disponibile solo in formato cartaceo e ciò la rende inutilizzabile come sorgente di dati. Altre istituzioni hanno la cartella in formato digitale ma gestita da programmi isolati che non “dialogano” con altre applicazioni. Quindi, se i dati non sono immagazzinati in formato digitale e integrati, non è possibile il loro l’utilizzo per una gestione avanzata.
L’Ospedale di Vimercate – ha osservato Friz – dispone di una cartella clinica elettronica centralizzata e un sistema che permette un’altissima integrazione di dati clinici, di laboratorio, immagini, terapia e via dicendo. L’Ospedale dispone di un’infrastruttura tecnologica con un livello certificato 6 HIMSS-EMRAM. Ciò rende possibile l’utilizzo avanzato dei dati (Intelligenza Artificiale applicata e ricerca clinica basata sull’AI e i Big data) e comporta la possibilità di interessanti sviluppi in questo ambito.
Sanità del futuro: l’AI sempre più al centro della nostra vita
Tutti esempi, quelli appena visti, dell’Intelligenza Artificiale che ci piace di più. Sono solo alcuni dei tantissimi esempi che si potrebbero fare, è vero, ma sono significativi del grande fermento che c’è, anche in Italia, per gli studi, le ricerche e le applicazioni concrete dell’Intelligenza Artificiale in Sanità e Medicina. Quella di cui forse si parla meno nei bar e i cui successi sono meno discussi e celebrati. Quella, però, più al centro della nostra vita. No, non per prenderne il controllo. Semplicemente, per provare a migliorarla. E, perché no, a volte anche a salvarla.
