• 16 Aprile 2024

Intelligenza artificiale e salute

 Intelligenza artificiale e salute

L’intelligenza artificiale rende sempre più precise le decisioni cliniche e contribuisce a migliorare la salute dei pazienti

 

L’intelligenza artificiale utilizza algoritmi di apprendimento automatico ed analisi dei dati per elaborare grandi quantità di informazioni mediche in modo rapido ed accurato.

L’IA comprende infatti una vasta gamma di applicazioni e tecnologie (alcune ancora oggi inesplorate), ognuna con le proprie capacità uniche e i propri contributi al campo della sanità.

Visto il numero crescente di articoli scientifici che affrontano il tema dell’utilizzo dell’IA in medicina, gli editori del New England Journal of Medicine (NEJM) hanno annunciato il lancio della rivista “NEJM AI”, dedicata agli sviluppi dell’Intelligenza Artificiale in ambito medico.

Stanno infatti crescendo gli ambiti sanitari che hanno già beneficiato dell’utilizzo dell’Intelligenza Artificiale o che potranno beneficiarne nei prossimi anni. Eccone alcuni.

Chirurgia robotica

La chirurgia assistita da robot combina l’IA con la robotica per migliorare la precisione chirurgica e ridurre l’invasività. I chirurghi possono controllare sistemi robotici per eseguire procedure complesse con maggiore precisione, riducendo le complicazioni, i tempi di recupero e migliorando gli esiti chirurgici.

Il sistema chirurgico da Vinci è il sistema di chirurgia robotica introdotto nel 1998 e presente oggi negli Stati Uniti con oltre 3.010 sistemi robotici e in Europa con 799 installazioni. Esso è utilizzato prevalentemente nelle procedure chirurgiche addominali e toraciche nell’ambito della chirurgia generale, dell’urologia e della ginecologia.

Il sistema si avvale della presenza di quattro bracci che svolgono funzioni diverse: tre di essi sorreggono gli strumenti necessari al chirurgo (bisturi, forbici o strumenti di elettrocauterizzazione), mentre il quarto braccio sostiene una telecamera grazie alla quale il chirurgo ottiene una completa visione stereoscopica in tre dimensioni del campo operatorio.

Il medico rimane quindi seduto davanti a un pannello di controllo e, attraverso un visore, può vedere un’immagine tridimensionale della procedura mentre manovra i bracci tramite pedali e controlli manuali.

Molti centri di ricerca puntano ad aggiungere gradi sempre più progressivi di automazione: il futuro sarà un robot chirurgico in grado di supportare in autonomia le procedure chirurgiche, analizzando il sito chirurgico e applicando modelli di manipolazione controllata degli organi e processi di automazione su comando vocale.

Diagnostica per immagini

L’IA ha rivoluzionato l’interpretazione delle immagini diagnostiche come radiografie, risonanze magnetiche e tomografie computerizzate. Gli algoritmi di deep learning possono analizzare queste immagini con una precisione straordinaria, aiutando i radiologi nella rilevazione precoce delle malattie e nella diagnosi, ad esempio individuando anomalie che potrebbero sfuggire all’occhio umano.

Ciò accelera non solo la diagnosi, ma può migliorarne anche l’accuratezza.

Un esempio di questa applicazione dell’IA nell’ambito dell’imaging medico, nella fattispecie della risonanza magnetica cardiaca, è il software “THAITI”. Brevettato a livello italiano e internazionale, il modello ora punta a trovare investimenti grazie anche alla collaborazione degli uffici di trasferimento tecnologico dell’Università di Milano-Bicocca, dell’Università Ca’ Foscari e dell’Istituto Auxologico Italiano.

Grazie a “THAITI”, l’immagine della risonanza cardiaca diventa ancora più accurata grazie all’intelligenza artificiale: il software è infatti in grado di calcolare il valore ottimale del cosiddetto “tempo di inversione”, un parametro necessario per l’acquisizione di immagini mirate a identificare l’eventuale presenza di tessuto cicatriziale nel cuore a seguito di somministrazione di un mezzo di contrasto.

Il software, a partire da informazioni fisiologiche e antropometriche del paziente ed informazioni tecniche sull’esame, sfrutta un modello di intelligenza artificiale per determinare il tempo di inversione ottimale, personalizzato e dinamico, con cui ottenere una serie di immagini di alta qualità del tessuto cardiaco durante l’intera esecuzione dell’esame di risonanza magnetica.

Altro esempio nell’ambito della diagnostica per immagini è l’Intelligenza Artificiale utilizzata per ottimizzare e limitare i raggi X della Tomografia Assiale Computerizzata (TAC o più semplicemente TC): è il progetto portato avanti da un gruppo di ricercatori, fisici medici e radiologi del Dipartimento di Fisica e astronomia dell’Università di Firenze, dell’Azienda ospedaliero-universitaria Careggi e della Usl Toscana centro, guidato da Sandra Doria dell’Istituto di Chimica dei composti organo metallici del Consiglio nazionale delle ricerche di Firenze (Cnr-Iccom).

Il team è riuscito ad automatizzare il processo di valutazione della qualità d’immagine negli esami di tomografia computerizzata utilizzando l’intelligenza artificiale, allo scopo di ridurre le radiazioni al paziente. Al progetto, la cui modalità è stata descritta in uno studio pubblicato sul Journal of Medical Imaging (JMI), hanno collaborato anche l’Istituto superiore di sanità e la Fondazione Bruno Kessler di Trento, utilizzando le risorse computazionali messe a disposizione da Uniser Pistoia.

È stato creato un algoritmo, analizzando i dati generati dall’esame visivo che diversi medici radiologi hanno effettuato su immagini Tc di un fantoccio, realizzato allo scopo di replicare le caratteristiche dei tessuti umani e la presenza di lesioni artificiali. Successivamente, sono stati sviluppati due modelli di intelligenza artificiale che sono stati addestrati e testati attraverso l’utilizzo delle immagini e delle risposte dei medici raccolte precedentemente.

Questi modelli potrebbero rappresentare una strategia di valutazione automatica della qualità di un’immagine Tc, che consentirà di ottimizzare il dosaggio delle radiazioni per non esporre i pazienti a una quantità di raggi X eccessiva.

Sviluppo di nuovi farmaci biologici

La biologia generativa, basata su approccio innovativo allo sviluppo di nuove terapie proteiche tramite l’apprendimento automatico (machine learning) e l’intelligenza artificiale, consente di sviluppare nuovi farmaci biologici (della categoria fanno parte ormoni, enzimi, emoderivati, sieri e vaccini, immunoglobuline, allergeni, anticorpi monoclonali) con la struttura e le proprietà desiderate.

Un processo simile a quello in cui i sistemi di intelligenza artificiale generativa (come ChatGPT di OpenAI) permettono di creare nuovi dati, testi o immagini a partire da elementi reali.

Il nuovo metodo – pubblicato sulla rivista Nature e perfezionato dal team di ricerca guidato da David Baker dell’Università di Washington a Seattle – consente di creare in tempi veloci molecole utili in numerosi settori (come i biomarcatori per individuare inquinanti o patologie).

Nel dettaglio, i ricercatori stanno cominciando ad utilizzare i dati specifici delle proteine per istruire gli algoritmi di machine learning a progettare molecole in modo più veloce ed efficace. Così, le “nuove” proteine possono essere valutate in laboratorio attraverso piattaforme automatizzate, restituendo agli esperti ulteriori informazioni per affinare i modelli di apprendimento automatico in una sorta di ciclo generativo.

Scoperta di nuovi antibiotici

Grazie al deep learning, i ricercatori del MIT di Boston hanno identificato una nuova classe di candidati antibiotici che potrebbero essere efficaci contro lo Staphylococcus aureus resistente alla meticillina (MRSA). Si tratta di un batterio resistente ai farmaci, che ogni anno causa più di 10mila morti solo negli Stati Uniti.

Nello studio, pubblicato su Nature, è riportato che i composti identificati sono in grado di eliminare l’MRSA, sia quando coltivato in laboratorio che in modelli murini di infezione. I composti mostrano anche una tossicità molto bassa contro le cellule umane e ciò li rende dei candidati farmacologici particolarmente promettenti.

Inoltre, per la prima volta, i ricercatori sono stati in grado di capire quali tipi di informazioni utilizzasse il modello di deep learning per fare previsioni sulla potenza ed efficacia degli antibiotici analizzati. Queste nuove conoscenze potrebbero aiutare i ricercatori a progettare ulteriori farmaci ancor più efficaci di quelli individuati dal modello.

Sorveglianza delle malattie infettive

I sistemi basati sull’IA permettono di rilevare e monitorare focolai di malattie infettive in tempo reale analizzando articoli di notizie, post sui social media e dati di sorveglianza. L’IA è in grado di analizzare grandi quantità di dati in modo più rapido ed efficiente rispetto agli operatori umani, consentendo una risposta più tempestiva alle minacce per la salute pubblica.

Medicina personalizzata

L’adattamento dei trattamenti medici ai singoli pazienti è un principio fondamentale della medicina personalizzata. Gli algoritmi di IA possono analizzare grandi moli di dati dei pazienti, inclusi le informazioni genetiche, la storia clinica e le informazioni sullo stile di vita, per creare piani di trattamento personalizzati.

Analizzando i dati relativi alle caratteristiche di ciascun paziente, l’IA può aiutare a ottimizzare la scelta dei farmaci, il dosaggio e le strategie di trattamento, migliorando gli esiti terapeutici e riducendo gli effetti collaterali.

Previsione delle malattie e interventi precoci

I modelli di IA possono prevedere il rischio di malattia analizzando i dati dei pazienti e identificando pattern e fattori di rischio. Ad esempio, gli algoritmi di apprendimento automatico possono analizzare i fascicoli clinici e prevedere la probabilità di sviluppare malattie croniche come il diabete o le malattie cardiache.

Gli operatori sanitari possono quindi utilizzare queste informazioni per intervenire precocemente, offrendo misure preventive e interventi personalizzati per gestire o mitigare la progressione della malattia.

Leggi altro su Innovazione

Giulia Baglini

Giulia Baglini, giornalista.

ADV

Leggi anche