Google è molto attivo in ambito sanitario e, come ben noto, è in piena corsa – assieme a Microsoft, Amazon e le altre Big Tech – verso la leadership nel (ghiotto e in forte crescita) mercato dell’Intelligenza Artificiale applicata alla Sanità e alla Medicina.
Di seguito, ripercorriamo solo i passi più recenti del colosso di Mountain View, quelli cioè che hanno subito una forte accelerazione anche a causa dell’affermarsi di ChatGPT e dei relativi modelli LLM dell’Intelligenza Artificiale Generativa, analizzando anche se e in che modo le strutture sanitarie italiane stanno iniziando a far uso di queste innovative tecnologie basate sull’AI (e sul Cloud).
Indice degli argomenti
Med-PaLM: il precursore (e la base) di MedLM
A differenza di ChatGPT, che viene addestrato su una gamma straordinariamente vasta di set di dati allo scopo di poter essere usato ad ampio spettro come strumento per il riconoscimento del linguaggio naturale, Med-PaLM è stato progettato per uno scopo ben preciso: rispondere a domande di carattere medico, sia da parte di professionisti del settore sia dei pazienti.
Il modello Med-PaLM ha ottenuto un comportamento definito “professionale” in quasi tutti i test.
Un gruppo di medici, infatti, ha stabilito che il 92,6% delle risposte fornite a una serie di specifiche domande fosse coerente con quelle che avrebbero dato gli stessi medici, mentre solo il 61,9% delle risposte alle medesime domande, fornite tramite “vecchio” Flan-PaLM (il modello non adattato per fini medici), è risultato coerente con quelle dei medici, a dimostrazione dell’evoluzione ottenuta da Med-PaLM.
AMIE: l’AI di Google che dialoga con i pazienti
AMIE (Articulate Medical Intelligence Explorer) è l’Intelligenza Artificiale in Medicina di Google, basata su un Large Language Model, ottimizzata per il ragionamento diagnostico e la conversazione empatica con il paziente.
Nell’esperimento AMIE, i criteri di valutazione hanno riguardato aspetti quali l’empatia, la professionalità, la precisione e la rilevanza delle domande, l’identificazione di diagnosi differenziali pertinenti, le proposte terapeutiche adeguate. Tutte caratteristiche essenziali per un buon medico.
Sono stati gli stessi pazienti a valutare la qualità del loro “interlocutore artificiale”: AMIE è stata considerata superiore a un medico reale in 24 su 26 criteri di valutazione, tra cui gentilezza, empatia, capacità di ascolto, qualità delle domande cliniche, capacità di spiegare la patologia, capacità di proporre una terapia.
Inoltre, l’accuratezza diagnostica di AMIE è risultata di circa il 10% superiore rispetto a quella dei clinici umani.
Med-Gemini: il modello linguistico multimodale di Google per la Sanità e la Medicina
Nel panorama delle soluzioni di Intelligenza Artificiale in Sanità, un ruolo importante lo stanno giocando i modelli linguistici multimodali (“M-LLMs”), ossia quei sistemi capaci di elaborare, catalogare, interpretare e riorganizzare diverse fonti e diversi tipi di dati (testi, immagini, file multimediali).
Un notevole salto di paradigma e di qualità nell’ambito AI, sinora dominato (con alterne fortune) dai modelli unimodali (un solo tipo di fonte dati).
In particolare, Med-Gemini di Google sta conquistando l’attenzione degli addetti ai lavori grazie alle sue promettenti performance ottenute attraverso una valutazione su ben 25 compiti assegnatigli su 14 benchmark nel settore medico, distaccando considerevolmente il competitor ChatGPT.
Ma come funziona Med-Gemini e in cosa può aiutare medici e strutture sanitarie?
Uno dei compiti rispetto ai quali Med-Gemini pare essere davvero performante è l’interpretazione dei tracciati elettrocardiografici, ma il modello AI di Google promette bene anche nella summarizzazione e nel “question answering”.
Tra gli esempi d’uso di Med-Gemini, mostrati con orgoglio dallo stesso Google, vi sono la Radiologia (ambito in cui il sistema AI di Google ha dimostrato la capacità di analizzare una radiografia del torace e di condurre un ipotetico dialogo realistico con un medico di base), l’analisi della Cartella Clinica (in cui ha dimostrato la capacità di analizzare le cartelle cliniche mediante AI, fornendo un riepilogo completo delle condizioni attive e storiche del paziente), la Dermatologia e la sintesi di informazioni scientifiche.
MedLM: come funziona l’Intelligenza Artificiale Generativa di Google per la Sanità e gli esempi d’uso in Italia
Sanità e Medicina – come fa notare lo stesso Google – sono tra i casi d’uso più promettenti per l’Intelligenza Artificiale, ambito in cui Mountain View sottolinea i grandi passi avanti fatti nella ricerca sui modelli linguistici di grandi dimensioni (LLM) ottimizzati per l’ambito medico.
Tra questi s’inserisce MedLM, una famiglia di modelli di base ottimizzati per i casi d’uso del settore sanitario.
Attualmente – spiega Google – ci sono due modelli MedLM, basati su Med-PaLM 2, pensati per le diverse esigenze delle organizzazioni sanitarie. Queste, infatti, stanno esplorando l’uso dell’Intelligenza Artificiale per una gamma di applicazioni che vanno da attività di base a flussi di lavoro complessi.
Attraverso la sperimentazione dei nostri strumenti con diverse organizzazioni sanitarie – fa notare Google – abbiamo imparato che il modello più efficace per una determinata attività varia a seconda del caso d’uso. Ad esempio, la sintesi delle conversazioni potrebbe essere gestita al meglio da un modello e la ricerca tra i farmaci meglio da un altro modello.
Il primo modello MedLM è più grande, progettato per attività complesse.
Il secondo è un modello medio, in grado di essere perfezionato e migliore per la scalabilità tra le attività.
Lo sviluppo di questi modelli è stato ispirato da specifiche esigenze dei clienti del settore sanitario e Life Science, come per esempio rispondere alle domande mediche di un operatore sanitario e redigere riepiloghi.
MedLM è disponibile per i clienti Google Cloud attraverso Vertex AI. Quest’ultima – spiega Google – è una piattaforma di machine learning che consente di addestrare ed eseguire il deployment di modelli ML e applicazioni AI, nonché di personalizzare i modelli linguistici di grandi dimensioni (LLM) da utilizzare nelle applicazioni basate sull’AI.
Vertex AI combina flussi di lavoro di data engineering, data science e ML engineering, consentendo alle organizzazioni di collaborare utilizzando un set di strumenti comune e scalare le applicazioni sfruttando le potenzialità dell’ambiente Google Cloud.
MedLM e Vertex AI: 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 Clinical Data Platform (CDP). La piattaforma, basata sulle soluzioni di Intelligenza Artificiale di Google Cloud, consente di classificare e analizzare i dati clinici anonimizzati a una velocità 300 volte superiore rispetto ai metodi tradizionali utilizzati in precedenza.
La nota sottolinea come, utilizzando soluzioni di Intelligenza Artificiale, tra cui Vertex AI, IEO e Monzino hanno potuto analizzare grandi quantità di dati non strutturati e classificare le informazioni in maniera strutturata all’interno della Clinical Data Platform per facilitarne l’analisi e la ricerca.
“Il futuro degli ospedali è sempre più orientato verso la semplificazione dell’interoperabilità dei dati – ha commentato Paolo Spreafico, Director of Customer Engineering di Google Cloud -. Siamo orgogliosi di supportare IEO in questo percorso con le nostre tecnologie come MedLM, il nostro Large Language specifico per l’ambito sanitario, per favorire l’accelerazione della ricerca medica attraverso l’Intelligenza Artificiale e sostenere il personale sanitario nel fornire le migliori cure ai pazienti”.
“La collaborazione con Google Cloud ci ha permesso di accelerare e automatizzare processi che prima richiedevano mesi” – ha dichiarato Annarosa Farina, CIO di IEO-Monzino -. E gli ottimi risultati ottenuti hanno incoraggiato numerosi altri dipartimenti dello IEO e del Monzino a chiedere di unirsi alle implementazioni. Il nostro obiettivo, ora, è quello di estendere questi strumenti a tutti i dati prodotti nei nostri ospedali per migliorare la ricerca e la cura del paziente, nel pieno rispetto della privacy dei loro dati”.
