L’Intelligenza artificiale e l’analisi dei Big Data stanno rivoluzionando la sanità, migliorando la diagnosi precoce delle malattie, ottimizzando le risorse e riducendo i costi e preparando percorsi terapeutici più efficaci. Ma l’applicazione dell’IA presenta anche dei rischi e delle difficoltà, richiede risorse e competenze.
L’IA in sanità: potenzialità e rischi
L’Ocse ha redatto un paper in collaborazione con l’Associazione Medica Mondiale (WMA). Tra gli effetti positivi, viene evidenziata l’opportunità di migliorare l’efficienza operativa e di sollevare i professionisti da compiti amministrativi, in modo da potersi concentrare al meglio sui pazienti. Una delle applicazioni in maggiore crescita riguarda la diagnostica, rendendola più rapida e precisa. Il campo in cui, però, potrebbero arrivare le novità più rilevanti è la ricerca di nuove cure e trattamenti. Un esempio citato nel paper è il sistema sviluppato da Maccabi Healthcare Services in Israele per la diagnosi del cancro. Questo strumento basato sull’IA analizza le immagini patologiche, evidenziando le aree sospette e supportando i patologi nel processo decisionale.
Nonostante i benefici, l’adozione dell’IA presenta rischi significativi. Uno dei principali è il potenziale bias negli algoritmi, che potrebbe perpetuare disparità esistenti nella cura. Inoltre, l’aumento della responsabilità legale per i medici che utilizzano strumenti basati sull’IA preoccupa il 94% delle associazioni intervistate. Gli esperti sottolineano l’importanza di una supervisione umana durante l’intero ciclo di vita degli strumenti IA, dalla progettazione alla manutenzione, per garantire sicurezza ed etica. A questo proposito, però, si rileva la scarsa alfabetizzazione digitale tra i professionisti sanitari, con la necessità di promuovere una formazione continua.
Il problema della gestione dei dati
La gestione dei dati è un aspetto chiave per l’innovazione sanitaria e l’utilizzo dell’Intelligenza artificiale. Se infatti l’IA dà la possibilità di gestire e analizzare enormi quantità di dati, dall’altra c’è il problema che i dati sanitari sono altamente sensibili. Per questo il Garante della Privacy ha redatto un decalogo per la realizzazione di servizi sanitari nazionali. In particolare “presentando un rischio elevato per i diritti e le libertà degli interessati” l’utilizzazione delle nuove tecnologie “deve essere preceduta da una valutazione di impatto” che è lo “strumento fondamentale per l’individuazione delle misure idonee a tutelare i diritti e le libertà fondamentali degli interessati e a garantire il rispetto dei principi generali” e per ” consentire l’analisi della proporzionalità dei trattamenti effettuati.
La fiducia dei professionisti nell’innovazione
Secondo il Future Health Index elaborato da Philips in 14 Paesi, l’86% dei leader della sanità italiana afferma di trovarsi di fronte a pressioni finanziarie e il 64% dichiara di affrontare la sfida concentrando gli sforzi sull’efficienza. In particolare il 74% sta investendo in IA, in linea con la media europea (77%) e al disopra di quella globale (59%), ma nei prossimi tre anni la prospettiva di investimento nel settore, nel nostro Paese, è del 95%, una quota superiore a quella europea (90%) e globale (83%). In particolare, il 45% dei leader della sanità italiana dichiara che nei prossimi tre anni opererà investimenti in intelligenza artificiale per ottimizzare l’efficienza operativa: automatizzazione della documentazione, programmazione, miglioramento del flusso di lavoro. In più, il 42% dei leader e dei giovani professionisti concordano nel considerare l’IA una tecnologia utile a integrare la diagnostica e che avrà il maggiore impatto sull’assistenza ai pazienti. Il 30% degli intervistati afferma di collaborare con aziende del settore Health Technology, sottolineando il valore delle partnership nel lungo periodo.
Lo sviluppo dell’IA in sanità nel mondo e in Italia
In tutto il mondo sono in continua crescita le aziende hi-tech che si occupano degli sviluppo dell’intelligenza artificiale in sanità. In un recentissimo articolo “Technology in Society” ha passato in rassegna 378 studi pubblicati sul tema contando più di 2.700 start-up attualmente all’opera in tutto mondo. A confermarlo il ritmo esponenziale delle autorizzazioni di nuovi dispositivi da parte della Food and Drug Administration (Fda) americana. Se fino al 2015 erano 2-3 all’anno, nel 2021 sono state 115 e in soli 9 mesi del 2022 90. Il 75% appartengono all’area specialistica della radiologia, l’11% a quella cardiovascolare, il 3% per ematologia e neurologia e a seguire le altre discipline.
Anche in Italia e in Europa c’è grande fermento. Per fare qualche esempio, il team di Fisica Medica del Dipartimento Interateneo di Fisica dell’Università Aldo Moro e del Politecnico di Bari, ha sviluppato un algoritmo di intelligenza artificiale capace di identificare, in immagini di risonanza magnetica, cambiamenti patologici dovuti alla malattia di Alzheimer in una fase precocissima della malattia, la cosiddetta fase di lieve indebolimento cognitivo. Questa fase è strategica perché da una parte è la fase in cui le alterazioni non possono ancora essere viste ad occhio nudo dai medici e dall’altra è la fase in cui eventuali trattamenti sperimentali possono essere efficaci. Al Policlinico Gemelli di Roma è stato sviluppato il Generator Heart Failure DataMart, una piattaforma digitale che integra e combina una grande quantità di dati e informazioni per progettare e addestrare dei modelli predittivi a più parametri allo scopo di individuare in anticipo la re-ospedalizzazione del paziente dopo l’ultima dimissione ospedaliera per scompenso cardiaco. I progetto europeo multipartner Gatekeeper combina le tecnologie di BigData, IA e Internet of Things per individuare precocemente gli eventi acuti legati all’invecchiamento, prima dell’arrivo in ospedale. Coinvolge 43 partner tra pubblici e privati, provenienti da 13 Paesi europei, testando 24 protocolli di ricerca su quasi 40.000 cittadini europei. In Lombardia con il Piano strategico di sanità digitale si lavora a uno strumento digitale di autovalutazione che tramite algoritmi di Ai effettua un’indagine sulle cause associate ai sintomi del paziente e a un sistema informativo per assistere gli operatori sanitari nel processo decisionale clinico, grazie all’elaborazione di grandi quantità di dati.
