In che modo l’intelligenza artificiale generativa può aiutare i medici? Comprendi le possibilità

L’intelligenza artificiale (AI) ha promosso importanti progressi nel settore sanitario in diversi settori. Dall’accuratezza diagnostica al supporto di trattamenti personalizzati, all’automazione delle attività amministrative e al potenziamento dei pazienti nel processo decisionale, l’intelligenza artificiale si è rapidamente integrata nei flussi di lavoro del settore.

Questi progressi non solo alleggeriscono l’onere per gli operatori sanitari, ma espandono anche l’accesso alle tecnologie innovative, a vantaggio sia degli specialisti che del pubblico in generale.

Il termine AI comprende diverse tecnologie, tra cui l’apprendimento automatico (ML), che utilizza algoritmi e modelli statistici per apprendere e adattarsi in base ai dati. Il deep learning, un sottocampo del ML, perfeziona modelli pre-addestrati per eseguire attività complesse come il riconoscimento di immagini e parlato.

Inoltre, l’intelligenza artificiale generativa crea nuovi contenuti attraverso modelli generativi come strumenti di produzione di testo. I modelli linguistici di grandi dimensioni (LLM), come ChatGPT, rappresentano una pietra miliare significativa, generando nuovi testi simili a quelli prodotti dagli esseri umani da grandi volumi di dati.

L’apprendimento automatico può essere descritto come un approccio matematico al riconoscimento di modelli, come la regressione, che ne migliora l’accuratezza man mano che vengono elaborati più dati. Le tecniche comuni includono alberi decisionali, potenziamento del gradiente e reti neurali. Questi ultimi costituiscono la base del deep learning, che utilizza più livelli di riconoscimento dei modelli per analizzare dati complessi come le immagini mediche.

Una pietra miliare nel deep learning è stato lo sviluppo delle reti neurali convoluzionali, tra il 2010 e il 2012, che consentono una classificazione dettagliata delle immagini. Questa tecnologia ha favorito progressi come l’analisi delle radiografie del torace per prevedere i rischi cardiovascolari, espandendo l’uso degli esami di routine per nuove applicazioni.

L’intelligenza artificiale generativa nella pratica medica

L’intelligenza artificiale generativa crea nuovi contenuti, come immagini o testo, attraverso un perfezionamento iterativo basato su comandi specifici. Sebbene promettente, presenta dei limiti, inclusa la possibilità di generare risultati imprecisi o fittizi, noti come “allucinazioni”.

Nel settore sanitario, l’intelligenza artificiale generativa si sta già rivelando utile in diversi ambiti:

• Radiologia: analisi di esami come radiografie, ultrasuoni, tomografia computerizzata (TC) e risonanza magnetica (MRI) per rilevare anomalie.
• Patologia: identificazione di modelli nei vetrini istopatologici per diagnosi, come il cancro.
• Rilevazione precoce: valutare i dati clinici per identificare i primi segni di malattie come il diabete, le malattie cardiovascolari, l’insufficienza respiratoria e il cancro.
• Registrazioni: automazione della cartella clinica, con generazione di note cliniche e riassunti.
• Automazione del flusso di lavoro: riduzione delle attività amministrative, quali pianificazione, fatturazione e documentazione.
• Compiti ripetitivi: ottimizzazione del tempo degli operatori sanitari, consentendo loro di concentrarsi sulla cura diretta del paziente.
• Scoperta di nuovi farmaci: identificazione di bersagli biologici (come proteine ​​o geni) e creazione di nuove molecole.
• Ricerca clinica: pianificazione e monitoraggio di studi clinici, analisi dei dati e automazione delle relative attività amministrative.

Altre applicazioni includono la chirurgia robotica, il monitoraggio tramite dispositivi indossabili, la salute mentale, la telemedicina, l’educazione medica e la lotta alle epidemie.

In ematologia, l’intelligenza artificiale aiuta ad analizzare vetrini digitali preparati da raccolte di sangue o midollo osseo, identificando cellule normali e anomalie, come cellule leucemiche o cambiamenti nei globuli rossi. Questi strumenti forniscono supporto alle decisioni cliniche suggerendo possibili diagnosi o evidenziando aree di interesse sulle diapositive per la revisione da parte dell’ematologo. Inoltre, i sistemi basati sull’intelligenza artificiale classificano i cromosomi nella citogenetica e identificano i modelli nella citometria a flusso, contribuendo alla classificazione dei sottotipi di malattie, come le leucemie e i linfomi, con maggiore velocità e precisione.

Sebbene promettente, l’implementazione dell’intelligenza artificiale richiede rigore per garantire accuratezza e affidabilità. La possibilità che si verifichino “allucinazioni” preoccupa professionisti e istituzioni, rendendo essenziale la supervisione umana, oltre alla regolamentazione e al controllo di queste tecnologie.

Costruire la fiducia dei pazienti nell’intelligenza artificiale

I pazienti esprimono preoccupazioni sull’uso dell’intelligenza artificiale, come errori diagnostici, privacy dei dati e ridotta interazione umana. Per superare queste barriere, è fondamentale ribadire che l’intelligenza artificiale è uno strumento di supporto, non un sostituto, nel processo clinico. Esempi pratici, come i sistemi che controllano le interazioni farmacologiche o accelerano le cure di emergenza, dimostrano i loro benefici diretti.

Garantire che gli operatori sanitari rimangano al centro delle decisioni cliniche è fondamentale per preservare il rapporto umano in medicina e rassicurare i pazienti. Inoltre, un monitoraggio rigoroso dello sviluppo dei modelli di intelligenza artificiale – dalla raccolta dei dati all’applicazione – è fondamentale per garantire che siano etici, rappresentativi e sicuri. Sebbene l’intelligenza artificiale possa rivoluzionare diagnosi e trattamenti, deve affrontare sfide come la privacy, i pregiudizi algoritmici e la mancanza di trasparenza.

Conclusione

L’intelligenza artificiale rappresenta un’opportunità di trasformazione nel settore sanitario, ma la sua integrazione deve essere guidata dalla trasparenza, dall’etica e dall’attenzione al paziente. Come strumento di supporto, espande il potenziale innovativo degli operatori sanitari, preservando l’empatia e la cura umana che sono essenziali per la pratica medica.

*Testo scritto dall’ematologo Phillip Scheinberg (CRM – 87.226), primario di Ematologia presso BP – A Beneficência Portuguesa a San Paolo e membro di Brazil Health

L’esame del sangue utilizza l’intelligenza artificiale per prevedere il Parkinson