Le Scienze - 04.2020

84 Le Scienze 6 20 aprile 2020

INTELLIGENZA ARTIFICIALE E SALUTE DIGITALE

vedeva di farlo. Il settore cresce a grande velocità soprattutto in

Cina, dove oltre 100 aziende sono impegnate nella progettazione

di applicazioni di intelligenza artificiale per il settore medico. Se-

condo Elad Walach, CEO di Aidoc, una start-up di Tel Aviv, «è un

momento interessante per questo mercato». L’azienda sviluppa al-

goritmi che analizzano TAC in cerca di anomalie e spostano quei

pazienti in cima all’elenco delle priorità dei medici. Inoltre, Ai-

doc monitora la frequenza con cui i dottori usano il programma e

quanto tempo trascorrono nel metterne in discussione le conclu-

sioni. «All’inizio sono scettici, ma dopo due mesi si abituano e so-

no molto fiduciosi», afferma Walach.

Il risparmio di tempo può essere cruciale nel salvare la vita di

un paziente. Un recente studio sulle radiografie di collasso del

polmone ha dimostrato che i radiologi prescrivono oltre il 60 per

cento delle scansioni con alta priorità e questo potrebbe suggeri-

re che trascorrono ore tra casi non gravi prima di arrivare a quel-

li realmente urgenti. «A tutti i medici che conosco è capitato al-

meno una volta di perdere un paziente per collasso polmonare»,

racconta Karley Yoder, vice presidente e general manager per l’in-

telligenza artificiale di GE Healthcare, una delle principali aziende

produttrici di strumentazioni di diagnostica per immagini, con se-

de a Boston. Lo scorso settembre, la FDA ha approvato una serie di

strumenti di IA che prossimamente saranno integrati nei macchi-

nari prodotti da GE, in grado di segnalare automaticamente i ca-

si più urgenti.

Poiché elaborano una quantità enorme di dati, i computer pos-

sono svolgere attività di analisi che vanno oltre le capacità umane.

Per esempio, Google usa il proprio potenziale per sviluppare algo-

ritmi di IA che convertano le immagini bidimensionali di TAC ai

polmoni in un polmone tridimensionale e che guardino all’inte-

ra struttura per valutare la presenza di tumori. Al contrario, i ra-

diologi dovrebbero guardare le immagini singolarmente e tenta-

re di ricostruirle nella loro mente. Un altro algoritmo di Google è

in grado di fare qualcosa che i radiologi non possono proprio fare,

ovvero determinare il rischio cardiovascolare dei pazienti in ba-

se alle scansioni della retina, rilevando i cambiamenti minimi col-

legati a pressione sanguigna, colesterolo, al loro passato di fuma-

tori e all’invecchiamento. «Queste scansioni hanno un potenziale

che va oltre quanto noto finora», dice Daniel Tse, product mana-

ger di Google.

La scatola nera

I programmi di intelligenza artificiale potrebbero portare alla

luce relazioni nuove tra caratteristiche biologiche ed esiti dei pa-

zienti. Uno studio del 2019 pubblicato da «JAMA Network Open»

ha descritto un algoritmo di deep learning a cui sono state fornite

oltre 85.000 radiografie al torace di pazienti reclutati in due am-

pi trial clinici, monitorati per oltre 12 anni. L’algoritmo ha valuta-

to il rischio di morte di ogni paziente durante il periodo dello stu-

dio. I ricercatori hanno scoperto che il 53 per cento delle persone

considerate ad alto rischio dall’algoritmo erano morte nell’arco di

gnosi, di fornire cure migliori nei paesi in via di sviluppo e nelle
regioni più remote in cui mancano radiologi, di far emergere nuo-
vi legami tra la biologia e la malattia e addirittura di contribuire a
prevedere in quali tempi una persona morirà.
Le applicazioni dell’intelligenza artificiale stanno entran-
do nella pratica medica a grande velocità, provocando reazioni
contrastanti tra i medici, che da una parte accolgono con favore
la prospettiva di ridurre il proprio carico di lavoro, dall’altra temo-
no di perdere il lavoro a favore delle macchine. Inoltre gli algorit-
mi sollevano domande inedite su come gestire una macchina in
costante fase di apprendimento e cambiamento, e di chi sarà la re-
sponsabilità nei casi in cui un algoritmo sbagli una diagnosi. Tut-
tavia molti medici sono entusiasti delle promesse dei program-
mi di IA. Secondo il radiologo Matthew Lungren, della Stanford
University, «se questi modelli possono essere esaminati a suffi-
cienza e se saremo in grado di capire meglio il loro funzionamen-
to, potremo migliorare il livello delle cure sanitarie per tutti».

Un tema molto attuale

L’idea di usare i computer per valutare gli esami radiologici non
è una novità. Negli anni novanta alcuni radiologi hanno iniziato a
usare un programma chiamato diagnosi assistita da computer, o
CAD, da computer-assisted diagnosis, per individuare i tumori al
seno nelle mammografie. La tecnologia è stata accolta come una ri-
voluzione e gli ospedali l’hanno adottata rapidamente. Ma i sistemi
CAD richiedevano più tempo ed erano più complessi da usare ri-
spetto ai metodi già in impiegati, e secondo alcuni studi gli ospeda-
li che li usavano facevano più errori degli altri. Per Vijay Rao, radio-
logo della Jefferson University di Philadelphia, questo insuccesso
ha alimentato la riluttanza dei medici nei confronti della diagnosi
assistita dal computer.
Negli ultimi dieci anni, però, la visio-
ne artificiale ha fatto passi da gigante sia
nelle applicazioni d’uso quotidiano, co-
me i sistemi di riconoscimento facciale,
sia in medicina. I progressi sono dovuti
in gran parte allo sviluppo di metodi di
deep learning basati sull’immissione di
un insieme di immagini in un computer
che le metterà in relazione fra loro in modo autonomo, sviluppan-
do come risultato finale una rete di associazioni. Nella diagnosti-
ca per immagini, questo potrebbe tradursi per esempio nel dire al
computer quali immagini rappresentano tessuti malati di tumore
e di lasciarlo libero di individuare liberamente caratteristiche co-
muni a quelle immagini, ma assenti in quelle dei tessuti sani.
Lo sviluppo e l’adozione di tecnologie basate sull’intelligenza
artificiale in radiologia si sono diffusi molto rapidamente. Rao, ex
presidente della Radiological Society of North America, racconta
che «a ogni grande convegno a cui ho partecipato lo scorso anno,
non si faceva che parlare di IA e imaging» e aggiunge che «si tratta
chiaramente di un tema molto attuale».
La Food and Drug Administration (FDA) degli Stati Uniti af-
ferma di non disporre di un elenco di tutti i prodotti basati su IA
già approvati. Ma Eric Topol, ricercatore in medicina digitale al-
lo Scripps Research Institute di La Jolla, in California, stima che
l’agenzia stia approvando più di un algoritmo di diagnostica per
immagini al mese. Secondo un sondaggio del 2018 della società di
marketing intelligence Reaction Data, l’84 per cento dei centri ra-
diologici degli Stati Uniti aveva adottato programmi di IA o pre-

Le applicazioni dell’IA stanno entrando

nella pratica medica a grande velocità,

provocando reazioni contrastanti tra i medici