25 Marzo 2019

Intelligenza artificiale e deep learning

L’aspetto umano dell’intelligenza artificiale c’è e può generare empatia. A sostenerlo è Eric Topol, cardiologo statunitense e Direttore dello Scripps Reasearch Institute la Jolla della California, che nel suo ultimo libro “Deep medicine: How Artificial Intelligence Can Make Healthcare Human Again” mette in evidenza come grazie allo sviluppo dell’AI non solo sarà possibile migliorare diagnosi e cure, ma i medici avranno più tempo da dedicare ai pazienti. Tempo oggi sottratto a compilare cartelle cliniche, analizzare dati, scrivere appunti senza più riuscire a guardare il paziente e stabilire con lui un rapporto umano. “Usare il futuro per ritornare al passato”, dice Topol in un’intervista al New York Times sottolineando come tutto questo possa essere sia un dono per i medici in termini di tempo e di minore stress da burnout sia un vantaggio per il paziente.

La possibilità di gestire e analizzare i dati sanitari dalla diagnostica per immagini alle informazioni di biologia molecolare, di genetica, di epidemiologia e più in generale sulla storia clinica del paziente per fare diagnosi sempre più precise, personalizzate e complete è uno degli obiettivi dell’intelligenza artificiale teso a migliorare, prevenire e mantenere un buono stato di salute delle persone. Sono molti gli ambiti di applicazione in campo sanitario che permetteranno diagnosi più precise e processi di gestione più snelli grazie al deep learning, campo di ricerca dell’AI. Uno dei settori dove sono stati fatti grandi passi avanti ed è già disponibile un’applicazione concreta dell’intelligenza artificiale è l’imaging. A breve sarà possibile avere una lettura rapida e accurata di Tac, risonanze, ecografie o scintigrafie. Questo però non eliminerà il ruolo del radiologo che anzi secondo Topol ricoprirà un ruolo nuovo fatto di interazioni dirette con i pazienti, oltre a mantenere il proprio compito di interpretare i dati clinici senza fare esclusivamente affidamento agli algoritmi soprattutto per le diagnosi più serie. Resta dunque fondamentale il ruolo del professionista sanitario, che – spiega Topol al New York Times – non potrà mai essere sostituito dalle macchine, ma aumenterà semplicemente le loro prestazioni.

Altro interessante campo di applicazione del deep learning su cui sta lavorando l’università di Oxford insieme alla Oxford Martin School è l’utilizzo di dati biomedici per una migliore comprensione e gestione delle malattie croniche e della multimorbilità. L’Oxford Martin Programme on Deep Medicine attraverso un approccio multidisciplinare utilizzerà alcuni dei più grandi e complessi set di dati che siano mai stati raccolti per generare approfondimenti su modelli di malattia complessi, traiettorie di rischio ed effetti delle cure. Il team dellUniversità di Oxford sta sviluppando, infatti, metodi che utilizzano algoritmi sia nuovi che esistenti per valutare gli effetti della cura, includendo caratteristiche del paziente.

Ultime News

NEWS

I dati sanitari e il valore delle tecnologie per la1

NEWS

I dati per conoscere la disabilità

NEWS

Focus: l’analisi sulla spesa trimestrale in dispositivi medici 

Skip to content