Nel settore sanitario gli ambiti di applicazione dell’AI stanno moltiplicandosi a ritmi tali da poter prevedere risparmi entro il 2026 – secondo una recente ricerca di Accenture – dell’ordine di 150 miliardi di dollari all’anno a un sistema sanitario complesso come quello degli Stati Uniti.  Le stime parlano di un potenziale miglioramento delle cure del 30-40%, a fronte di una riduzione dei costi che tocca il 50%.

Altre analisi profilano per il periodo 2019-2025 un trend di crescita annuo dell’AI in healthcare tra il 43 e il 50% in un mercato che già oggi tocca i 2 miliardi di dollari; per approfondire questi aspetti puoi leggere il report “Driving the future of health” di Strategy&/PwC.

Propulsori di questo scenario globale sono i tech giant come Google, Amazon, IBM, Alibaba, Intel, gli unici ad oggi veramente strutturati per sviluppare grandi progetti AI come DeepMind Health (Google) capace di gestire milioni di dati medici in pochi minuti per attività clinica o diagnostica, o come Baseline Study per la raccolta di dati genetici; o ancora Watson (IBM) applicato alle strutture ospedaliere, in grado di anticipare di due anni le diagnosi di insufficienza cardiaca per singolo paziente, grazie all’analisi e combinazione di dati quali altre malattie, farmaci prescritti e annotazioni di cartelle cliniche di ricoveri pregressi.

Le soluzioni per l’healthcare basate su Intelligenza Artificiale, NLP (Natural Language Processing, per la comprensione del linguaggio naturale), Computer Vision e Deep Learning (l’ambito di ricerca sull’apprendimento automatico in AI sviluppato su reti neurali) stanno riguardando tutti i settori applicativi – non solo la diagnostica – che concorrono a mantenere buono lo stato di salute delle persone.

Le maggiori applicazioni sono finalizzate a favorire diagnosi più precise, a migliorare la medicina preventiva, a personalizzare le cure, a ottimizzare e snellire processi clinici e procedure di planning, a gestire grandi set di dati non omogenei per analisi anche di carattere predittivo, ad alleggerire i medici da attività burocratiche o ripetitive e appunto, a contenere i costi finali della Salute.

Si parla quindi di applicazioni algoritmiche in genetica, epidemiologia, biologia molecolare, radiologia, gestione degli studi clinici, utilizzo dei dati biomedici per la gestione di malattie croniche e patologie rare, ma anche di farmacovigilanza con la previsione ad esempio di possibili effetti collaterali di farmaci, basata sull’analisi della loro struttura chimica (cfr. studio della Stanford University sulla rivista ACS Central Science).

Quello dell’imaging è sicuramente uno dei settori di punta dell’AI in healthcare, in virtù della quale la diagnostica per immagini ha fatto passi da gigante verso risultati più efficaci e cure maggiormente personalizzate: ne è un esempio l’algoritmo di deep learning sempre della Stanford University, perfezionato per la diagnosi accurata di diversi tipi di cancro della pelle attraverso semplici foto dell’epidermide scattate da smartphone.

Il Technical Workshop in flash:

Lo scenario appena descritto è stato affrontato con focus particolare su AI e diagnostica in uno dei più interessanti technical workshop internazionali cui abbia partecipato lo staff R&D di JSB Solutions, come tappa di un percorso di aggiornamento ed empowerment.

Di seguito alcuni spunti interessanti in pillole:

L’utilità degli algoritmi

La tecnologia di base si cui si regge AI è l’algoritmo. Questa funzione matematica, veloce e in grado di analizzare e gestire un’immensa mole di dati in poco tempo, viene utilizzata per:

  1. Standardizzazione delle linee guida nella pratica clinica, a supporto dei pazienti e delle decisioni mediche.
  2. Deep learning tramite il ‘deep neural netwok’ (DNNs) ossia una sub disciplina del ML che trova la corretta ‘ manipolazione’ matematica per trasformare l’input in output, sia esso in relazione lineare o non lineare.
  3. Natural Language Processing

Particolari applicazioni dell’AI in medicina per la prevenzione, diagnosi e trattamento:

  1. Radiologia: accuratezza di 0.76 nel prevedere il batterio ‘Pneumonia’ in 112.000 immagini
  2. Dermatologia: screening dei nei per rilevare il melanoma
  3. Genetica: sequenziamento bioma
  4. Predizione di schizofrenia e psicosi

In generale l’applicazione dell’AI in campo sanitario può migliorare la gestione dei flussi di lavoro, ridurre i potenziali errori, velocizzare le diagnosi, identificare modelli di cura e può assecondare i pazienti nel processare i propri dati autonomamente.

Dall’algoritmo dell’AI alla pratica clinica:

VALIDATE A DNN IN SILICO à CLINICAL VALIDATION IN REAL WORLD MEDICINE à IMPLEMENTATION IN HEALTCARE

I limiti dell’AI in Sanità:

  1. La validazione della performance di un algoritmo non equivale a dimostrare l’efficacia clinica
  2. C’è bisogno di ulteriori risultati per migliorare effettivamente i dati clinici di routine
  3. Bias nell’input data

Il futuro dell’AI? Quantum 2.0

La tecnologia quantistica trasla in applicazioni pratiche alcune delle proprietà della meccanica quantistica, come sovrapposizione quantistica, entanglement quantistico e sarà messa a punto entro il 2025 mentre i computer quantici saranno in commercio a partire dal 2030. Il quantum computing trova già una prima applicazione sperimentale in alcuni settori industriali, tra i quali quello del farmaco personalizzato. Anche in questo campo si sta affermando il lavoro di Google, che ha allestito un Quantum Artificial Intelligence Lab dedicato alla R&D quantistica e AI.

Le principali applicazioni di questa futuristica tecnologia sono:

  1. Cloud computing
  2. 5G Communications
  3. Sensing technology
  4. Cryptography

La tecnologia quantistica nel futuro prossimo sarà dirompente in molti settori di business tra i quali quello del Life Science e potrà aprire nuove frontiere di mercato.

Speaker intervenuti:

  • Artificial Intelligence (AI) in Health // Karl A. Stroetmann, Empirica Communication & Technology Research
  • AI & Machine Learning algorithms – integrating them to everyday work // Markus Karileet, Solutions Architect, HELMES
  • Real life applications of AI – Healthcare // Sachin Gaur, Director, InnovatioCuris