Una review della letteratura basata su 173 manoscritti ha presentato le possibili applicazioni dell’intelligenza artificiale al settore anestesiologico, evidenziandone non solo gli usi clinici ma anche i limiti (Daniel A. Hashimoto, Elan Witkowski, Lei Gao, Ozanan Meireles, Guy Rosman; Artificial Intelligence in Anesthesiology: Current Techniques, Clinical Applications, and Limitations. Anesthesiology 2020;132(2):379-394).
Una prima evidenza è che tra le varie forme di intelligenza artificiale disponibili, quella che trova maggiori sintonie con l’ambito medico e anestesiologico è il machine learning, utilizzato per migliorare il lavoro del professionista e facilitarne la fase decisionale, per fare un paio di esempi.
Uno dei vantaggi del machine learning è che può migliorare la capacità di analisi basandosi sulle esperienze già fatte e che può elaborare dati di varia natura, non solo numeri ma anche immagini, testi, discorsi, suoni.
Gli autori dello studio evidenziano la necessità di identificare gli algoritmi più adeguati al tipo di studio che si sta allestendo e di verificare la qualità dell’algoritmo stesso.
Di norma si analizza un 70% dei dati con l’algoritmo e si utilizza il restante 30% come controllo.
Vediamo quali sono gli ambiti più diffusi di applicazione dell’intelligenza artificiale nella ricerca anestesiologica.
In 41 studi questa tecnologia è stata utilizzata per valutare le informazioni fornite da un elettroencefalogramma per stabilire la profondità lo stato di coma indotto dall’anestesia stessa.
In alcuni di questi studi la profondità dell’anestesia è stata invece valutata partendo da variabili differenti da quelle cerebrali, come il battito cardiaco.
In ogni caso, gli algoritmi di machine learning si sono dimostrati abbastanza efficaci in questo compito.
Un altro ambito d’applicazione è il controllo della somministrazione del farmaco anestesiologico, che in alcuni studi è arrivato a governare una somministrazione automatica per il blocco neuromuscolare dei pazienti: in questi casi, sono stati introdotte nell’algoritmo anche le farmacocinetiche del prodotto utilizzato.
Terzo ambito di applicazione è l’uso di strumenti di machine learning, network neuronali o fuzzy logic per calcolare il rischio perioperatorio associato a un tipo di anestesia piuttosto che a un altro.
I network neuronali sono applicati anche alla lettura delle immagini ecografiche in sala operatoria per guidare l’intervento. Infine, alcuni studi hanno utilizzato metodi di intelligenza artificiale per gestire il dolore dei pazienti, magari identificando le dosi corrette di oppiodi da prescrivere, mentre altri per gestire al meglio la logistica della sala operatoria.
Quale che sia l’uso, l’intelligenza artificiale offre ai medici anestesisti l’opportunità di sfruttare al meglio tutti i dati digitali che oggi vengono prodotti, sfruttandoli per migliorare il proprio lavoro.
Gli autori dello studio hanno comunque evidenziato che, prima di applicare un modello di intelligenza artificiale, è necessario verificarne la superiorità rispetto a modelli esistenti.
Inoltre, è necessario saper interpretare i risultati offerti da un algoritmo di machine learning o da un network neuronale, altrimenti c’è il rischio di non fruttarne davvero il potenziale.
Stefania Somaré
