L'intelligenza collettiva, cioè la capacità di un gruppo di risolvere i problemi attraverso la collaborazione, è in grado di ridurre le diagnosi errate. Ad affrontare la questione è uno studio pubblicato su 'Pnas' e realizzato da un team di ricerca del Max Planck Institute for Human Development, dell'Istituto di scienze e tecnologie della cognizione del Cnr di Roma (Cnr-Istc) e della Norwegian University of Science and Technology che ha sviluppato un sistema, basato proprio sull’intelligenza collettiva, per aumentare l'accuratezza diagnostica, evidenziando che una soluzione completamente automatizzata aumenta significativamente la precisione. Si tratta di una soluzione che utilizza metodi di intelligenza artificiale e di ingegneria della conoscenza.
I ricercatori hanno testato la loro metodica su 1.333 casi medici forniti da The Human Diagnosis Project, ognuno dei quali è stato valutato in modo indipendente da 10 medici. La soluzione collettiva ha aumentato in modo sostanziale l'accuratezza diagnostica: i singoli partecipanti hanno raggiunto il 46% di accuratezza, mentre l'unione delle decisioni di 10 partecipanti ha aumentato l'accuratezza fino al 76%. I miglioramenti sono stati osservati per tutte le specialità mediche e i sintomi principali. "I nostri risultati dimostrano come l'intelligenza collettiva possa essere utile per migliorare i servizi sanitari e salvare vite umane", dichiara il primo autore Ralf Kurvers, ricercatore senior presso il Center for Adaptive Rationality del Max Planck Institute for Human Development.
È noto - spiegano i ricercatori - che l'intelligenza collettiva aumenta l'accuratezza delle decisioni in molti settori, come le previsioni geopolitiche, gli investimenti e la diagnostica in radiologia e dermatologia. Tuttavia, è stata applicata principalmente a compiti decisionali relativamente semplici. Le applicazioni a problemi più complessi e aperti, come la gestione delle emergenze o la diagnostica medica generale, sono in gran parte assenti per la difficoltà di integrare dati non standardizzati provenienti da persone diverse. Per superare questo ostacolo, sono state utilizzate tecniche di intelligenza artificiale, riuscendo a standardizzare e allineare le diagnosi mediche attraverso Snomed Ct, una terminologia clinica multilingue completa.
"Un contributo fondamentale del nostro lavoro è che, pur mantenendo la centralità delle diagnosi fornite dall'uomo, le nostre procedure di aggregazione e valutazione sono completamente automatizzate, evitando possibili distorsioni nella diagnosi finale e consentendo al processo di essere più efficiente in termini di tempo e di costi", chiarisce Vito Trianni del Cnr-Istc.
I ricercatori stanno attualmente collaborando - insieme ad altri partner - al progetto Hacid per arrivare alla commercializzazione della loro applicazione. Il progetto, finanziato dall'Ue, esplorerà un nuovo approccio che riunisce esperti umani, rappresentazione della conoscenza e ragionamento automatico, per creare nuovi strumenti per il supporto alle decisioni in vari settori.
23/10/2023
Curated Tags