L’AI nella lotta contro il Covid-19: l’esperienza di teleterapia intensiva di due ospedali israeliani

La piattaforma Clew utilizza analisi predittive per espandere esponenzialmente la capacità e le risorse della teleterapia intensiva. I suoi algoritmi sono addestrati per identificare in anticipo il deterioramento respiratorio, consentendo interventi precoci e l’identificazione della gravità della malattia da un centro di comando remoto [...]
ai coronavirus
  1. Home
  2. Intelligenza Artificiale
  3. L’AI nella lotta contro il Covid-19: l’esperienza di teleterapia intensiva di due ospedali israeliani

La tecnologia, utilizzata in svariate forme, può rivestire un ruolo di supporto agli sforzi che medici, infermieri, ricercatori stanno svolgendo contro il Covid-19, dichiarato dall’Oms una pandemia globale. In particolare, il ruolo dell’intelligenza artificiale come applicazione di Machine Learning (ML), Natural Language Processing (NLP) e Computer Vision.

Tra le varie soluzioni vi è da segnalare l’esperienza di due ospedali israeliani che con il match tra intelligenza artificiale e teleterapia intensiva hanno supportato il lavoro dei medici per la cura a distanza dei malati al fine di evitare il sovraffollamento dei reparti di terapia intensiva.

L’esperienza degli ospedali israeliani: Intensive Care Unit Telemedicine e Clew

Tra i numerosi esempi di coordinamento interdisciplinare è illuminante osservare il lavoro svolto da due ospedali israeliani che analizzando i dati generati da strumenti di intelligenza artificiale associata ad unità di terapia intensiva a distanza denominate Intensive Care Unit Telemedicine (abbrev. Tele-ICU) sono riusciti a supportare i medici nell’analisi dei pazienti affetti da COVID-19 e a prevenire in vari casi lo sviluppo delle complicazioni respiratorie.

Alla base di questo processo si trova la piattaforma di analisi predittiva Clew che attualmente lavora con due ospedali israeliani per gestire e curare i pazienti, proteggendo e limitando al contempo gli operatori di assistenza in prima linea. I due ospedali facenti parte del progetto sono il Sheba Medical Center e l’Ospedale Ichilov entrambi di Tel Aviv

I ricercatori sono riusciti a coordinare le potenzialità di due strumenti che separatamente non avrebbero arrecato così tanti benefici alla popolazione e al lavoro dei medici. La piattaforma Clew utilizza analisi predittive basate sull’intelligenza artificiale per espandere esponenzialmente la capacità e le risorse della Tele-ICU. I suoi algoritmi sono addestrati per identificare in anticipo il deterioramento respiratorio, consentendo interventi precoci che potrebbero cambiare il risultato clinico, specialmente nei pazienti affetti da Covid-19. Ciò consente agli operatori sanitari di identificare la gravità della malattia da un centro di comando remoto.

La piattaforma utilizza l’intera gamma di dati disponibili sul paziente per fornire previsioni continue basate su sofisticati algoritmi di intelligenza artificiale (AI) e modelli di apprendimento automatico.

Tutto questo avvantaggia un eventuale aumento dei ricoveri nelle unità di terapia intensiva che i due ospedali hanno prontamente ampliato per sostenere i numeri della pandemia in atto. A seguito della creazione di strutture dedicate esclusivamente a malati di Covid-19 si è adottato il metodo dell’utilizzo delle tecnologie di telemedicina per fornire il monitoraggio remoto dei pazienti da strutture di comando e controllo centralizzate.

Clew afferma che i suoi modelli di apprendimento automatico consentono a coloro che operano in terapia intensiva di gestire in modo proattivo la gravità della malattia e il carico di lavoro. Il sistema basato sulla telemedicina viene utilizzato in remoto, quindi può essere ridimensionato per far fronte ai picchi di volume, riducendo al contempo il rischio di esposizione dei medici nel supportare pazienti infetti.

Al fine di riaffermare l’importanza del coordinamento soprattutto in fasi di emergenza e unendo gli insostituibili sforzi umani con le nuove tecnologie ricordiamo che lo Sheba Medical Center si è rivolto alla telemedicina per curare i pazienti in arrivo con presunti sintomi riconducibili al Covid-19, con soluzioni come la piattaforma di monitoraggio dei pazienti remoti di Datos, i dispositivi connessi di Tyto Care, un robot di InTouch Health e i servizi di telemedicina di realtà virtuale di XRHealth per il trattamento e il monitoraggio dei pazienti.

Parallelamente a questo gruppo di applicazioni la startup israeliana di analisi del sangue Sight Diagnostics ha anche recentemente annunciato che sta collaborando con gli ospedali sopra citati per elaborare in sicurezza campioni di sangue di pazienti affetti da Covid-19 monitorati e trattati in ospedali da campo allestiti sul territorio israeliano.

Alcuni cenni sulle tecnologie utilizzate

Machine Learning (ML): l’apprendimento automatico è una tecnica di analisi dei dati che insegna ai computer a fare ciò che è naturale per l’uomo e gli animali: imparare dall’esperienza. Gli algoritmi di machine learning utilizzano metodi computazionali per “apprendere” informazioni direttamente dai dati senza fare affidamento su un’equazione predeterminata come modello. Gli algoritmi migliorano in modo adattivo le loro prestazioni all’aumentare del numero di campioni disponibili per l’apprendimento. Quindi più dati riescono ad avere più riescono ad adattare i propri comportamenti basati sugli accadimenti pregressi.

Natural Language Processing (NLP): l’elaborazione del linguaggio naturale è una branca dell’intelligenza artificiale che si occupa dell’interazione tra computer e umani usando il linguaggio naturale. Attraverso l’elaborazione del linguaggio naturale, i computer imparano a capire il significato di segmenti di testo abbinati tra loro, come frasi e proposizioni, e ad utilizzarle di conseguenza. Questo non è utile solo per le traduzioni o per i chatbot, ma anche quando il computer si ritrova a dover eseguire un ordine trasmesso a voce o quando deve comunicare, a sua volta a voce, con l’utente, come nel caso in cui si trovi a dover comunicare con una persona non vedente. Anche per poter riassumere lunghi testi o estrarre precise informazioni mirate da testi molto lunghi, i computer hanno bisogno di poter comprendere la coerenza testuale. L’obiettivo finale della NLP è leggere, decifrare, comprendere e dare un senso ai linguaggi umani in un modo che sia il più possibile corretto e comprensibile.

Computer Vision: i sistemi di visione artificiale offrono diagnosi precise che minimizzano gli errori. Gli algoritmi di visione artificiale addestrati utilizzando un’enorme quantità di dati e riescono a rilevare la minima presenza di condizioni che possono essere perse o sottostimate dai medici a causa delle loro limitazioni sensoriali soprattutto in periodi di stress lavorativo ed emergenza come quelli attuali. L’uso della visione artificiale nella diagnosi sanitaria può fornire livelli di precisione significativamente elevati che potrebbero arrivare in un futuro prossimo al cento per cento.

Telemedicina: nell’ambito della diagnostica clinica, è possibile per un medico effettuare la diagnosi su un paziente che non è fisicamente nello stesso posto del medico, attraverso la trasmissione a distanza di dati prodotti da strumenti diagnostici. La telemedicina può essere definita come l’insieme delle tecniche e degli strumenti di monitoraggio e di assistenza sanitaria, realizzato mediante sistemi atti a fornire un rapido accesso sia ai medici specialisti che ai pazienti, prescindendo dal luogo ove essi sono rispettivamente situati. Nello specifico caso degli ospedali israeliani si parlerà di un’evoluzione della telemedicina di base perché le pratiche messe in atto sostituiscono la terapia intensiva offrendo il loro supporto a distanza.

Le sei aree in cui l’AI si è maggiormente sviluppata

Quali sono state nel recente passato e nell’attuale situazione le aree di utilizzo delle varie forme di intelligenza artificiale nella sfida al Covid-19? Abbiamo scelto sei aree in cui l’AI ha avuto il suo maggior sviluppo:

  • avvisi e preallarmi
  • monitoraggio e previsione
  • dashboard di dati
  • diagnosi e prognosi
  • trattamenti e cure
  • controllo sociale

Creazione di avvisi e preallarmi

Il caso del modello di intelligenza artificiale BlueDot è già diventato famoso per essere in grado di predire lo sviluppo di focolai di malattie infettive. Secondo i report, BlueDot ha predetto lo scoppio dell’infezione da Coronavirus alla fine del 2019, emettendo un avviso ai suoi clienti il 31 dicembre 2019, prima che l’OMS diramasse l’allerta il 9 gennaio 2020. I ricercatori che lavorano con BlueDot hanno anche pubblicato un avviso riguardante le prime 20 città di destinazione in cui sarebbero arrivati i passeggeri da Wuhan. Ha avvertito che queste città potrebbero essere state la prima linea di diffusione globale della malattia.

BlueDot ha infatti sviluppato una tecnologia di elaborazione utilizzando la machine learning per aggregare notizie, dati di compagnie aeree e segnalazioni di malattie epidemiche negli animali, in modo da tracciare un quadro evolutivo delle epidemie in corso che sia più veloce della diffusione della malattia e che permetta di prevenirla.

BlueDot è senza dubbio uno strumento potente, gran parte della pubblicità che ha ricevuto contiene alcune esagerazioni e qualche sottovalutazione, ma conferma, anche a detta del suo fondatore, l’indissolubile necessità del ruolo degli scienziati umani per analizzare coerentemente i dati che la tecnologia può fornire.

Monitoraggio e previsione della diffusione del virus

L’intelligenza artificiale può essere utilizzata per monitorare e prevedere in che modo il Covid-19 si diffonde nel tempo e nello spazio. Ad esempio, a seguito di una precedente pandemia, quella del virus Zika nel 2015, è stata sviluppata una rete neurale dinamica per prevederne la diffusione. Modelli come questi, tuttavia, dovranno essere riqualificati utilizzando i dati della pandemia di Covid-19. Attualmente alla Carnegie Mellon University, gli algoritmi addestrati per prevedere l’influenza stagionale sono ora rimodulati sui nuovi dati di Covid-19.

Esistono purtroppo dei problemi in merito allo sviluppo di queste tecnologie come la mancanza di dati storici plausibili su questa terribile pandemia, ma anche i problemi legati all’uso dei big data in merito alla fonte degli stessi. I dati ad esempio raccolti dai social media, hanno dimostrato di essere problematici. Problemi quindi riferibili alla fonte del dato e alla poca affidabilità. Da ricordare sicuramente il fallimento di Google Flu Trend ormai sei anni fa come esempio di un terreno rischioso da affrontare e da gestire.

Il monitoraggio e la previsione della diffusione di Covid-19 sono input di dati preziosi per le autorità di sanità pubblica per pianificare, preparare e gestire la pandemia. Abbiamo ormai imparato ogni giorno a valutare l’evoluzione della curva epidemiologica dei nuovi contagi e degli sforzi per cercare di invertire la tendenza.

Dashboard di dati

Il tracciamento e la diffusione del Covid-19 hanno intensificato lo sviluppo un particolare settore rivolto alla creazione di dashboard (lett. cruscotti o infografiche) che visualizzano la diffusione della pandemia. MIT Technology Review ha menzionato alcune di queste dashboard di autori molto autorevoli che nominiamo per vostra informazione ed eventuale analisi: UpCode, NextStrain, la John’s Hopkins’ JHU CSSE, il New York Times, Microsoft Bing’s AI tracker.

Sia per gli studiosi sia per i sistemi di intelligenza artificiale, ogni nuova informazione sulla nostra situazione attuale è particolarmente preziosa per strutturare le nostre decisioni future. Quanto più efficace siamo nel condividere le informazioni il più possibile puntuali, precise e fondate, tanto più rapidamente si crea uno storico di dati da analizzare per prevenire i futuri sviluppi. In tale processo siamo tutti protagonisti cercando di essere portatori di dati attendibili consapevoli del beneficio che questi possono portare alla comunità.

Progetti come il Covid-19 Open Research Dataset, che racchiude il testo di oltre 24.000 articoli di ricerca, la rete neurale ad accesso aperto Covid-net, che sta lavorando allo sviluppo collaborativo di un sistema per identificare il Coronavirus nelle scansioni polmonari è un’iniziativa che chiede alle persone di donare i propri dati anonimi alla ricerca sono importanti sforzi da parte di esseri umani attivi per mettere in comune i dati in modo che i sistemi di intelligenza artificiale possano analizzare queste informazioni per identificare dei modelli coerenti.

Diagnosi e prognosi della malattia da Covid-19

L’intelligenza artificiale può essere accurata come gli esseri umani, può far risparmiare tempo ai radiologi ed eseguire una diagnosi più veloce ed economica rispetto ai test standard. È possibile ad esempio unire le scansioni a raggi X con la tomografia computerizzata (CT).

Diverse iniziative in tal senso sono in corso. L’intelligenza artificiale nominata poco prima Covid-Net è stata sviluppata per diagnosticare Covid-19 nelle radiografie del torace utilizzando i dati di pazienti con varie condizioni polmonari. Un altro esempio di sforzi in corso è quello dei ricercatori dell’Università olandese di Delft che hanno rilasciato un modello di AI per diagnosticare Covid-19 dai raggi X. Questo modello, etichettato CAD4COVID, è un software di intelligenza artificiale che traccia i casi sospetti sulle immagini dei raggi X del torace. Si basa su precedenti modelli di AI sviluppati dall’università di diagnosi della tubercolosi.

Una volta che la malattia viene diagnosticata in una persona, la domanda è se e quanto intensamente quella persona sarà colpita. Non tutte le persone con diagnosi di Covid-19 avranno bisogno di cure intensive. Essere in grado di prevedere chi sarà colpito più gravemente può aiutare a indirizzare l’assistenza e pianificare l’assegnazione e l’utilizzo delle risorse mediche.

In conclusione, l’applicazione dell’AI per diagnosticare la Covid-19 e fare una prognosi di come i pazienti possono progredire, ha stimolato molti sforzi di ricerca ma non è ancora ampiamente operativa.

Ricerca per nuovi trattamenti e cure

Anche molto prima dell’attuale pandemia, l’IA è stata lodata per il suo potenziale di contribuire alla scoperta di nuovi farmaci. Nel caso di Covid-19, numerosi laboratori di ricerca e centri dati hanno indicato che stanno reclutando metodi di AI per cercare trattamenti e un vaccino accelerando il più possibile i tempi di sviluppo.

Ad esempio, DeepMind un’impresa britannica controllata da Google che ha previsto la struttura delle proteine del virus, informazioni molto utili che potrebbero essere utili nello sviluppo di nuovi farmaci. Tuttavia, come DeepMind chiarisce sul suo sito web, le previsioni di struttura non sono state verificate sperimentalmente non è possibile essere certi dell’accuratezza delle strutture fornite.

Sono numerose le aziende e startup che usando reti neurali, hanno identificato un numero di farmaci sperimentali e approvati già in commercio che potrebbe essere potenzialmente utilizzati per il trattamento di Covid-19.

Non è molto probabile che questi trattamenti (e forse le cure) saranno disponibili nel prossimo futuro, almeno per essere di grande utilità durante l’attuale pandemia. Il motivo è che i controlli e le sperimentazioni che devono essere eseguiti prima che questi farmaci vengano approvati, una volta identificati e sottoposti a screening, richiederanno del tempo.

Controllo sociale e screening della popolazione

Inutile soffermarsi sulle potenzialità delle nuove app per smartphone basate sull’intelligenza artificiale per monitorare la salute dell’individuo e tenere traccia della diffusione geografica del virus. Tali app mirano a prevedere quali popolazioni e comunità sono più suscettibili agli impatti negativi di un focolaio di coronavirus, per consentire ai pazienti di ricevere informazioni sui tempi di attesa in tempo reale dai loro fornitori di servizi medici, per fornire alle persone consigli e aggiornamenti sulle loro condizioni mediche senza che questi debbano visitare un ospedale di persona oppure informare i cittadini di potenziali punti di infezione in tempo reale in modo da poter evitare quelle aree.

A tal fine, è necessario uno stretto coordinamento tra autorità, operatori delle telecomunicazioni, industria ad alta tecnologia e istituti di ricerca. Le ditte high-tech e le principali università possono fornire gli strumenti, le società di telecomunicazioni possono fornire l’accesso ai dati degli individui e le autorità dovrebbero garantire che la condivisione dei dati sia conforme alle normative sulla privacy.

Conclusioni

L’intelligenza artificiale combinata con la telemedicina è un moltiplicatore di forza e può essere utilizzato per fornire la classificazione e il monitoraggio dell’acuità del paziente su vasta scala. Ciò consente alle unità di terapia intensiva di identificare e anticipare le complicazioni del paziente, e limitare lo sfruttamento di risorse che, in una pandemia sono obbligatoriamente limitate.

Onore quindi alla tecnologia ma onore soprattutto a tutti i medici e personale ospedaliero che soprattutto in paesi meno organizzati e tecnologicamente all’avanguardia di Israele stanno lavorando alacremente per salvare vite e offrire una speranza a tutti i malati.

 

FacebookTwitterLinkedIn