ARTIHS – Artificial Intelligence & Healthcare System è il nuovo ciclo di webinar di Innlifes che punta a esplorare gli aspetti salienti dell’intelligenza artificiale in ambito sanitario. Il primo incontro ha toccato i nodi cruciali dell’intelligenza artificiale in sanità, mettendo in luce le enormi potenzialità (per esempio, nella diagnostica per immagini) e i principali ostacoli.
L’intelligenza artificiale sta trasformando il settore medico-sanitario, con un impatto destinato a crescere significativamente nei prossimi anni. Per garantire un utilizzo consapevole, efficace e responsabile dell’intelligenza artificiale, è cruciale che i benefici superino i potenziali rischi. Questo richiede una stretta collaborazione tra operatori sanitari, ricercatori e sviluppatori di soluzioni basate sull’intelligenza artificiale.
Per affrontare queste sfide, Innlifes ha organizzato un ciclo di quattro webinar ARTIHS – Artificial Intelligence & Healthcare System con cadenza mensile dedicati ai professionisti del settore life science, con l’obiettivo di esplorare vari aspetti fondamentali dell’intelligenza artificiale in sanità.
Il primo incontro
A inaugurare il ciclo, l’incontro organizzato in collaborazione con AgoraLabs, “Medical AI in the real world: challenges and solutions”, moderato da Elena Paola Lanati, che ha visto in luglio la partecipazione di: Davide Zaccagnini, CEO e Founder di AgoraLabs che ha costruito una piattaforma per l’anonimizzazione dei dati; Davide Dettori, founder di HealthTriage, nata per innovare la diagnostica per immagini nei tumori sfruttando potenzialità dell’intelligenza artificiale; Daniele Regge, professore di Radiologia Diagnostica presso l’Università degli Studi di Torino che da oltre 15 anni studia le applicazioni dell’intelligenza artificiale in ambito medico.
La radiomica
Daniele Regge ha tracciato un excursus dello sviluppo di soluzioni di intelligenza artificiale in ambito clinico, ricordando che la prima definizione di intelligenza artificiale risale a ormai 70 anni fa, tracciando quindi la direttrice di sviluppo di queste soluzioni anche in ambito clinico, dagli algoritmi di machine learning al deep learning alla radiomica, che permette d’individuare nuovi marker diagnostici e valutare in modo preciso e precoce se e come ci sarà risposta alle terapie personalizzate grazie all’intelligenza artificiale. Una rivoluzione che consente di fornire allo specialista le caratteristiche della lesione e l’evoluzione che la stessa può avere.
Tumori della prostata, nuovo meccanismo di identificazione e prevenzione
Il tumore della prostata rappresenta ancore oggi un unmet clinical need se si pensa che le nuove diagnosi solo in UE sono state 330.500 nel 2022, pari al 22% di tutti i tumori non cutanei. La prevenzione di questo tumore prevede che i soggetti over 50 si sottopongano a un esame del PSA, cioè dell’antigene prostatico; laddove lo stesso risultasse fuori controllo, il paziente deve effettuare un esame urologico e quindi una RM e una biopsia tissutale. Tuttavia, attraverso la biopsia tissutale eseguita dall’urologo, è emersa una sovrastima dell’aggressività del tumore di circa il 40%. Ne consegue – ha spiegato Dettori – che il 40% delle chirurgie effettuate potrebbe essere evitato.
Oggi, grazie a modelli basati sull’intelligenza artificiale è possibile classificare l’aggressività del tumore in modo molto più preciso, fornendo in futuro un importante supporto al lavoro dell’urologo.
I dati, l’ampiezza del campione e l’addestramento dell’algoritmo in questa partita sono cruciali. Nei prossimi due anni HealthTriage si prefigge di fare una ampia sperimentazione clinica internazionale che comprenda soggetti di diversa etnia ed età proprio perché l’addestramento possa essere più omnicomprensivo possibile, fornendo evidenze chiare ai clinici del settore.
Il problema del dato: dalla qualità all’anonimato
A sottolineare le caratteristiche del dato e le sfide in corso in tal senso è stato Davide Zaccagnini, CEO and Founder di AgoraLabs, una startup che ha creato un meccanismo avanzato di anonimizzazione del dato. Per l’intelligenza artificiale i dati rappresentano la “benzina del sistema” ha ricordato Zaccagnini nonché la principale voce di costo per raccolta e preparazione.
Il loro potenziale è tuttavia incalcolabile. Basti pensare che nei tumori, il fatto che tramite l’IA gli algoritmi riescano a vedere lesioni non individuate dal clinico. Idem per quanto riguarda l’esame del fondo oculare: attraverso strumenti di IA è stato possibile diagnosticare anche patologie cardiologiche e di altra natura.
L’ostacolo a oggi ancora prioritario per l’uso di strumenti di IA in sanità è rappresentato dalla privacy del dato. È emerso difatti che attraverso i meccanismi di anonimizzazione tradizionali è possibile risalire all’identità del soggetto.
L’anonimia non è tuttavia l’unico problema, cui si associano la qualità del dato, la condivisione dello stesso in modo trasparente. In questo percorso integrato, sono necessarie architetture distribuite, per cui il dato deve rimanere dov’è con un controllo esclusivo da parte dei titolari e dei soggetti; un sistema di blockchain che evidenzi trasparenza ed efficienza nelle transazioni, una privacy differenziale, con un’anonimia matematicamente garantita in scala e un’associazione anonima dei record lungo tutta la patient journey.
In questo modo si risolvono problemi relativi all’accesso, all’usabilità, al valore del dato, permettendo evidenze cliniche di qualità.
