Ai in medicina: definire quando può davvero fare la differenza

Nuovo approfondimento sull’evoluzione digitale in sanità realizzato dal direttore del Centro nazionale per la telemedicina e le nuove tecnologie assistenziali dell’Istituto Superiore di Sanità, Francesco Gabbrielli, in esclusiva per Alleati per la Salute, di cui è membro del Comitato di garanzia.

Impiegata da anni in molti settori del business, in primis la vendita online, l’intelligenza artificiale (Ai) si rivela una risorsa promettente anche in medicina. La salute però ha parametri ben diversi da quelli di una chat box per risolvere problemi online. Proprio per questo l’Istituto superiore di sanità (Iss) ha costituito il gruppo di lavoro nazionale sulla sperimentazione clinica dell’intelligenza artificiale e sul suo utilizzo nella ricerca medica. L’obiettivo è quello di dare gambe scientifiche all’idea di utilizzare l’intelligenza artificiale (Ai) in medicina, nella pratica medica e nella ricerca biomedica, situazioni queste ben diverse da quella di un impiego della nuova tecnologia nelle organizzazioni sanitarie. Sono infatti due metodi diversi di impiego di strumenti informatici e di calcolo. Stranamente, mentre cresce il dibattito sull’impiego di Ai per ottimizzare l’organizzazione dei servizi e dei sistemi sanitari, resta abbastanza in secondo piano il tema sui suoi usi nel far progredire la scienza medica, per ottenere nuove cure, trattamenti e anche prevenire le malattie. In realtà, dal punto di vista logico, questa situazione è comprensibile perché applicare sistemi di machine learning - un sottoinsieme di Ai che si occupa di creare sistemi di apprendimento per migliorare le performance in base ai dati - alla gestione di un ospedale o per l’organizzazione di un’azienda sanitaria è una questione sovrapponibile ad altri settori produttivi che usano l’Ai in modo pratico ed estensivo. È quindi più semplice trasportare questo modello sul piano sanitario che clinico. D’altra parte, però, è importante applicare l’Ai alla ricerca di nuove cure, cosa che presuppone sistemi messi a punto con meccanismi diversi per essere utilizzati in modo appropriato per rendere ancora più efficaci e veloci gli studi clinici. Attualmente si può utilizzare l’Ai per studiare nuove molecole farmacologiche, o studiare usi diversi della stessa molecola, simulare le reazioni degli organismi di una molecola sul metabolismo; ma sull’usare l’Ai per realizzare nuovi modi di studiare la medicina, non c’è ancora chiarezza a livello di comunità scientifica.

Sperimentare l’intelligenza artificiale

La sfida è utilizzare l’Ai come strumento di supporto alla diagnosi, di prevenzione e terapia. Si tratta però di trovare il modo di sperimentare, nella realtà applicativa medica, gli algoritmi di Ai e, in secondo luogo, capire come possano essere applicati nella pratica medica. Oggi si parla molto del fatto che l’Ai rende possibile predire se una persona sana potrà sviluppare una certa malattia, fare diagnosi differenziale guardando le immagini del volto del paziente o ascoltando la voce del paziente per un certo periodo. Tutte queste sono possibilità, ma bisogna dimostrarne l’efficacia, l’attendibilità. Mentre c’è molta attenzione sull’aspetto tecnologico, per rendere il sistema più performante, noi invece vogliano concentrarci per individuare il metodo scientifico più corretto per sperimentare l’intelligenza artificiale sul campo. Il nostro lavoro è quindi mettere a punto il metodo per verificare l’attendibilità dell’impiego della stessa intelligenza artificiale.

In altre parole, si tratta di capire come usare l’Ai negli studi clinici nuovi e individuare il metodo per verificare che l’Ai funzioni. Noi possiamo utilizzare l’intelligenza artificiale in maniera critica solo se abbiamo le prove scientifiche. In altre parole, dobbiamo togliere l’intelligenza artificiale dal piedistallo delle cose magiche, e definirne scientificamente cosa può fare davvero e come può farlo. Del resto, l’Ai è stata costruita dall’uomo ed è sempre l’uomo che deve saperla usare al meglio. In medicina, tutto deve essere verificato, anche l’Ai deve essere messa alla prova, come si è fatto per tutte le altre innovazioni fatte nel tempo, come si è fatto, per esempio anche per i raggi X. Per l’Ai siamo come all’inizio degli studi sui raggi X: dobbiamo verificarne e definirne l’impiego.

L’impegno dell’Iss in una tecnologia che evolve

In Italia, come del resto per la telemedicina, siamo i primi ad affrontare questo problema sul metodo nella sperimentazione clinica dell’AI. A livello internazionale ci sono dei ragionamenti in corso, ma tra le istituzioni pubbliche, il nostro gruppo è probabilmente il primo (e unico) a occuparsi dell’intelligenza artificiale in questo modo. Il team multidisciplinare - 20 esperti, 16 esterni e 4 interni - è costituito da massimi esperti italiani a livello internazionale in fisica, ingegneria, informatica, metodologia, bioetica, medicina e calcolo. Tutti lavorano, anche dall’estero, gratuitamente, alla messa a punto di questo modello e non si esclude che in futuro il gruppo si possa ampliare, se serviranno ulteriori competenze. Del resto, la medicina in tutta la sua storia ha sempre lavorato nello stesso modo: prende una innovazione scientifica o tecnologica e la applica a soluzione di problemi clinici. Abbiamo una serie di problemi clinici che pensiamo possano essere risolti con l’Ai e studiamo come farlo, con trial clinici. È esattamente quello che succede quando si usa una nuova molecola: devo fare uno studio clinico per sapere se funziona e in chi. Nel caso dell’Ai, però, non sappiamo, al momento, come fare la sperimentazione clinica. Questa nuova tecnologia, infatti, ha una caratteristica particolare: mentre lavora cambia se stessa perché ‘impara’ man mano che acquisisce dati. La quantità e la qualità dei dati con cui vengono addestrasti gli algoritmi determinano i risultati. Dobbiamo capire se questo cambiamento ci dà il risultato atteso, che l’impiego dell’intelligenza artificiale sia efficace, funzioni.

Implicazioni etiche

Nell’utilizzare l’Ai in medicina, bisogna considerare anche se i risultati sono compatibili con i nostri criteri etici: è etico predire a una persona sana che tra 30 anni avrà un tumore? Dubito che un’informazione del genere abbia qualche rilevanza anche dal punto di vista clinico se non è sicura. Tuttavia, nel momento in cui diventa sicura costituisce una risorsa, ma anche una problematica etica e normativa. Uno studio di qualche tempo fa ha messo insieme 30 anni di dati di centri trapianto americani. Il sistema era in grado di prevedere in che forma il paziente avrebbe beneficiato del trapianto di cuore: prima del trapianto veniva calcolato quanto tempo sarebbe durato il nuovo cuore. A differenza di quanto può valutare l’essere umano con gli studi statistici che analizzano gruppi di persone con le medesime caratteristiche, l’Ai può anche calcolare cosa succederà nel tempo per ogni singola persona. Un grande progresso, ma la questione è: siamo sicuri che dice la cosa giusta? Questo non è solo un problema di matematica, di algoritmi: bisogna capire come lavora la macchina e anche l’addestramento da fare. L’intelligenza artificiale non ha un criterio morale, non è intelligente – il termine è fuorviante – è solo molto più veloce dell’uomo a fare dei calcoli. Noi dobbiamo capire come usare al meglio queste capacità. Il nostro lavoro è duplice: proporre alla comunità scientifica un modello per studiare clinicamente l’Ai e un altro per usarla al meglio nei trial clinici per nuovi farmaci, per poterli anche confrontare in modo più efficace, a vantaggio del paziente e dell’intera società.

14/09/2023