AI e medicina predittiva: così stanno cambiando le tecniche di diagnosi

Nei prossimi anni, l’intelligenza artificiale avrà un ruolo sempre più importante nel campo della medicina predittiva, dove già oggi può fare la differenza, grazie all’utilizzo dei big data e delle tecniche di deep learning in grado di considerare e processare molte più informazioni di quanto sia possibile all'uomo [...]
Domenico Marino

Università degli Studi Mediterranea di Reggio Calabria

AI scuola
  1. Home
  2. Intelligenza Artificiale
  3. AI e medicina predittiva: così stanno cambiando le tecniche di diagnosi

Un campo in cui già oggi le performance dell’intelligenza artificiale eguagliano e anche superano quelle degli esseri umani è quello della diagnostica avanzata e per immagini. queste applicazioni hanno e avranno sempre di più una maggiore importanza nella sanità, tanto da arrivare a capovolgere il tradizionale metodo di indagine e di approccio al paziente.

AI e medicina predittiva

La medicina basata sull’osservazione degli eventi è stata per molto tempo, a partire da Ippocrate, il criterio guida epistemologico della professione sanitaria. Tale criterio si è poi evoluto con il progredire della medicina fino ad arrivare alla formulazione della Evidence-Based Medicine (EMB).

Oggi con l’utilizzo dei big data e dell’intelligenza artificiale nasce, invece, la medicina basata su ciò che non è evidente per il singolo medico umano, ma può diventare evidente con l’utilizzo dei big data e delle tecniche di deep learning in quanto in grado di considerare e processare molte più informazioni di quanto sia possibile a un essere umano. Questo moderno approccio, definito di medicina predittiva, modifica anche le tecniche di diagnosi in sala operatoria che servono ad aiutare il chirurgo a svolgere in maniera più efficiente il suo lavoro. Nei primi giorni del 2020 il New York Times ha pubblicato due articoli che illustrano due applicazioni estremamente importanti e innovative dell’intelligenza artificiale applicate alla diagnosi e alla cura dei tumori, entrambe pubblicate sulla prestigiosa rivista Nature.

AI e diagnosi precoce del cancro al seno

Il primo caso presentato descrive una ricerca che mette in evidenza le potenzialità dell’intelligenza artificiale e nella diagnosi precoce del carcinoma del seno che, oltre ad essere una delle forme tumorali più diffuse, ha un impatto molto forte sulla psicologia delle donne. Ogni anno un numero sempre crescente di donne si sottopone allo screening per il tumore del seno (consigliato con cadenza annuale per le donne oltre i quarant’anni) con risultati sicuramente importanti in termini di diagnosi precoce, ma con un margine di errore significativamente elevato. Quando si parla di margine di errore in campo diagnostico bisogna tenere conto sia dell’errore di prima specie che di quello di seconda specie. Occorre, cioè tenere conto sia dei falsi positivi, sia dei falsi negativi. Nel caso delle metodologie tradizionali di diagnosi basate sulla mammografia, in media uno screening su 5 non riesce a trovare il cancro al seno anche quando è presente, pari ad una percentuale di errore del 20% (falso negativo) mentre il 50% delle donne che ricevono mammografie annuali riceve almeno un falso allarme ogni 10 anni, (falso positivo) a cui corrisponde una percentuale di errore del 5%. L’intelligenza artificiale ha ridotto entrambi i tipi di errore. Per i pazienti statunitensi, ha ridotto i falsi negativi e positivi rispettivamente del 9,4% e del 5,7%; per i pazienti del Regno Unito li ha ridotti del 2,7% e 1,2%. La riduzione dei falsi positivi e dei falsi negativi ha un impatto molto forte sia perché nel caso del falso negativo contribuisce a salvare vite umane o ad avere una prognosi più favorevole, mentre nel caso dei falsi positivi riduce il costo in termini psicologici che subisce il paziente, oltre alla riduzione dei costi sanitari per cure inappropriate.

AI nella diagnosi del tumore al cervello

La seconda ricerca riguarda le performance dell’intelligenza artificiale nel caso della diagnosi veloce durante l’intervento in sala operatoria del tumore al cervello. Il metodo tradizionale, che richiede l’invio del tessuto a un laboratorio, il congelamento e la colorazione, quindi l’esame al microscopio, richiede dai 20 ai 30 minuti o più. La nuova tecnica richiede due minuti e mezzo. Lo studio ha coinvolto tessuto cerebrale di 278 pazienti, analizzato mentre l’intervento era ancora in corso. Le diagnosi sono state successivamente giudicate giuste o sbagliate in base al fatto che fossero d’accordo con i risultati di test più lunghi e più ampi eseguiti dopo l’intervento chirurgico. Il risultato è stato un sostanziale pareggio (con un leggera prevalenza dell’intelligenza artificiale) con il 93,9% di risultati corretti con la metodologia tradizionale e il 94,6% con l’intelligenza artificiale, ma con una riduzione dei tempi per raggiungere il risultato dal 20-30 minuti a circa 2 minuti che in sala operatoria può fare la differenza. In aggiunta al miglioramento dei tempi, la nuova tecnica può anche rilevare alcuni dettagli che potrebbero mancare i metodi tradizionali, come la diffusione di un tumore lungo le fibre nervose.

WHITEPAPER
Ricerca IDC: come aggregare i dati per un'analisi ottimale
Big Data
Business Analytics

I ricercatori hanno utilizzato immagini di tessuti di 415 pazienti sottoposti a chirurgia cerebrale per addestrare un sistema di intelligenza artificiale per identificare i 10 tipi più comuni di tumore al cervello. Facendo un’analisi degli errori si è visto che l’intelligenza artificiale ha diagnosticato erroneamente 14 casi che invece erano stati diagnosticati correttamente con la metodologia tradizionale mentre ha diagnosticato correttamente in 17 casi in cui le metodologie tradizionali avevano dato una risposta errata.

Questi risultati fanno vedere quali saranno le possibilità diagnostiche dell’intelligenza artificiale nei prossimi anni, quando potremo avere a disposizione un‘intelligenza artificiale estesa, nella cura, ma ancor di più nella medicina preventiva.

Probabilmente questi nuovi strumenti rivoluzioneranno anche le metodologie e le prassi sanitarie contribuendo a una migliore qualità della vita e alla sconfitta di un numero sempre più elevato di malattie.

 

FacebookTwitterLinkedIn