La prevenzione in ambito medico è un concetto universalmente riconosciuto, ma che ha avuto e continua ad avere diverse sfumature in funzione delle tecnologie disponibili, dei diversi quadri di applicazione e di altri parametri quali: il quadro epidemiologico e le diverse linee guida seguite in ambito sanitario.
Cos’è la medicina predittiva
La stessa definizione di medicina predittiva assume declinazioni diverse in letteratura. In questo ambito facciamo riferimento a quella capacità di scoprire in termini probabilistici quali sono i fattori che possono favorire l’insorgenza di una determinata malattia in una specifica persona.
L’obiettivo della medicina predittiva quindi è trovare la fragilità o l’aspetto che predispone una persona sana a sviluppare una certa malattia.
Questo tipo di approccio ha una solida base nella medicina tradizionale. Differenziando i fattori di rischio ambientali dai fattori di rischio individuali è possibile, grazie ad acclarate evidenze scientifiche, proporre piani per la prevenzione.
Per fare un esempio possiamo citare GARD, un’iniziativa di 41 organizzazioni nazionali e internazionali sotto l’egida dell’OMS, che ha l’obiettivo di svolgere sorveglianza epidemiologica e diagnosi per il trattamento delle malattie respiratorie croniche.
Predire (diagnosticare) le malattie con l’Intelligenza Artificiale
La medicina basata sull’osservazione accurata del paziente è un criterio guida che risale ai tempi di Ippocrate. Questo criterio nel corso degli anni si è trasformato fino ad arrivare alla definizione odierna di Evidence-Based Medicine (EBM).
Oggi sempre più l’intelligenza artificiale è l’approccio metodologico migliore per sfruttare i big data nel costruire modelli predittivi e diagnostici.
Una macchina è in grado di elaborare milioni di immagini in poco tempo, è possibile cioè addestrare un algoritmo a riconoscere le differenze e le similarità, proprio (o meglio di) come farebbe un medico radiologo.
La medicina predittiva con l’utilizzo dell’Intelligenza Artificiale si spinge oltre poiché è in grado di riconoscere dei pattern all’interno dei big data. L’IA, usando i dati che ha a disposizione, è quindi in grado di creare nuova conoscenza.
Non si stanno dipingendo scenari distopici in cui il medico è un robot con il camice bianco, a tal proposito sono interessanti le riflessioni di due medici: il dott. Aldo di Benedetto e il dott. Giampaolo Collecchia, ma si vuole mettere in evidenza il supporto che l’IA può dare a chi opera nel campo medico.
Medicina di precisione
Le informazioni che si ricavano possono avere una applicazione immediata e migliorare i sistemi sanitari nazionali. Le diagnosi precoci possono evitare l’ospedalizzazione dei pazienti e secondo Elena Bonfiglioli, che guida l’Health Industry business per Microsoft in Europa, Medio Oriente ed Africa, si potrebbe risparmiare il 30% sulla spesa pubblica solo integrando e analizzando i big data.
I campi di applicazione dell’IA nell’ambito medico stanno permettendo di tracciare nuove strade di ricerca. Tra questi uno dei più promettenti è la medicina di precisione: la possibilità di eseguire diagnosi e cure su misura per il singolo paziente.
Integrando le informazioni provenienti dal paziente con i database e le analisi cliniche si possono individuare quelle che vengono definite alterazioni di pathways che determinano l’insorgenza della malattia.
In un articolo presentato in occasione della “12th International Conference on Health Informatics”, dal titolo Predictive AI Models for the Personalized Medicine, si sottolinea il potenziale offerto dall’utilizzo di modelli predittivi con l’IA per aiutare il medico a scegliere l’approccio terapeutico più adeguato.
Le 4P: predictive, preventive, personalized e participatory esprimono i concetti più importanti per lo sviluppo della medicina predittiva.
Dati e-health
Se all’IA è affidato il compito di trovare evidenze “invisibili” per gli esseri umani (che non sono in grado di elaborare enormi quantità di dati) sono proprio quest’ultimi a poter rappresentare un limite.
La medicina si basa sulla classificazione multiparametrica delle malattie, ma se i dati non sono acquisiti e organizzati secondo standard condivisi, non solo da un punto di vista quantitativo ma anche qualitativo, si incorre nel rischio di avere set di dati non utilizzabili.
Oggi è possibile acquisire dati grazie a dispositivi come smartphone, smartwatch e altri tipi di device medici indossabili. Sono state sviluppate app per il monitoraggio dello stato di salute dei pazienti più deboli e per allertare il personale medico nel caso di eventi critici.
La digital transformation nella sanità
L’IA è una grande opportunità, ma perché tutto ciò possa funzionare è necessario avviare un’importante piano di digital transformation nell’ambito della sanità pubblica. L’e-health è uno strumento formidabile perché permette di migliorare la salute dei cittadini e di risparmiare significative risorse finanziarie.