Il settore sanitario è in continua evoluzione, influenzato dai progressi tecnologici, dai cambiamenti demografici e dall’evoluzione delle esigenze dei pazienti: innovazione, sostenibilità, integrazione dell’assistenza sociale, gestione dei costi e adattamento della forza lavoro risaltano sempre più come tendenze chiave del settore, a livello locale, europeo e globale (Deloitte healthcare-sector-innovation).
L’integrazione dell’Intelligenza Artificiale (IA) nella pratica medica sta trasformando il modo in cui i professionisti della salute diagnosticano e trattano i pazienti, migliorando la qualità delle cure e ottimizzando i processi clinici.
Recenti rapporti della World Health Organization (OMS) e di OCSE – Organizzazione per la Cooperazione e lo Sviluppo Economico – sottolineano che l’IA può migliorare l’accesso ai servizi, affrontare le carenze di personale qualificato e ridurre i costi del sistema sanitario. La sua integrazione è vista come una chiave per affrontare le sfide legate alla salute pubblica, come le pandemie e le malattie croniche.
L’adozione dell’IA potrebbe trasformare la salute globale, fornendo strumenti avanzati per la sorveglianza, lo sviluppo di farmaci, la diagnosi, il trattamento e la gestione dei pazienti.
D’altronde come afferma il Dr. Riccardo Lucis – Dirigente medico di S.C. Microbiologia e Virologia – Azienda Sanitaria Friuli Occidentale (ASFO) – referente del gruppo di lavoro sull’Intelligenza artificiale di AMCLI – Associazione Microbiologi Clinici Italiani: “L’IA è una branca dell’informatica che sta trovando un rinnovato interesse mondiale grazie all’esplosione della cosiddetta IA generativa (ad esempio ChatGPT). L’IA è già da tempo inserita nel nostro quotidiano: pensiamo ai nostri Smartphone, al riconoscimento vocale, ai suggerimenti di ricerca o al completamento automatico di frasi o parole.” e prosegue “In particolare, alcune branche dell’IA, come il Machine Learning (ML) e il Deep Learning (DL), si concentrano sull’utilizzo di algoritmi e modelli matematici per insegnare ai computer come analizzare i dati e prendere decisioni, mediante definizione di pattern e schemi. Questi modelli sono utilizzati in laboratorio fin dai tempi di MYCIN, programma informatico sviluppato dalla Stanford University negli anni 70, e basato su regole redatte da medici esperti e sulla letteratura scientifica, permettendo di emulare il processo decisionale di un esperto umano. Nel quotidiano usiamo queste tecnologie ad esempio per il riconoscimento automatico di cellule (laboratori di ematologia, di anatomia patologica), la categorizzare di un vetrino di urine e di feci (laboratorio analisi e microbiologie), oppure per l’individuazione di pattern specifici di resistenze antibiotiche (ad esempio i sistemi esperti dei vari software commerciali, basati sulle indicazioni EUCAST e/o CLSI) che sfuggono ad occhio umano, sia laddove ci si trova a studiare patologie rare, ma anche nello studio di enormi quantità di dati, in quantità impossibili al solo occhio umano (interpretazioni tecnologie Next-Generation Sequencing -NGS). È importante sottolineare che il ruolo dell’uomo rimane essenziale, per supervisionare e validare le scelte compiute da questi algoritmi.”
Il Dr. Andrea Padoan che guida il Working Group sull’AI di EFLM – European Federation of Clinical Chemistry and Laboratory Medicine – e Professore associato di Biochimica Clinica e Biologia Molecolare Clinica presso l’Università degli Studi di Padova, ci indica alcuni ambiti di applicazione concreta dell’IA in Medicina di Laboratorio che attraverso “l’utilizzo di sistemi digitali per l’analisi di immagine nei campioni ematologici, tramite i quali le cellule del sangue vengono classificate automaticamente, le anomalie vengono classificate più velocemente, riducendo i tempi di analisi e, infine, l’errore umano. Un’altra serie di applicazioni riguarda il miglioramento tecnologico dei sistemi diagnostici, con la conseguente riduzione delle loro dimensioni e dei costi energetici ad essi associati. In alcuni casi, gli algoritmi di IA possono sostituire efficacemente alcune componenti elettroniche ingombranti, miniaturizzando i sistemi e rendendoli sempre più connessi e sicuri.
Un’altra area in cui l’IA potrà dimostrare un impatto significativo è la capacità di predire le malattie e la medicina personalizzata, permettendo ai medici di intervenire preventivamente o modulare il trattamento in base al profilo di rischio individuale.
Tra i progetti più ambizioni per IA in medicina di laboratorio vi sono il miglioramento dell’efficienza operativa, l’ottimizzazione dei flussi e la creazione di sistemi per il monitoraggio avanzato del trasporto e la conservazione delle provette, nonché i sistemi di supporto decisionale clinico che permettono di assistere il professionista di laboratorio in molti ambiti, migliorando l’accuratezza, la sicurezza e l’efficacia delle decisioni cliniche.”
In una realtà come quella dell’Istituto Europeo di Oncologia (IEO) di Milano l’utilizzo dell’IA ricopre già un ruolo di estrema importanza attraverso la Clinical Data Platform (IEO CDP).
“Questa piattaforma funge da health data lake, alimentata da dati clinici e (multi)omici, e offre strumenti integrati per sviluppare modelli di IA, inclusi quelli di generative AI, per estrarre informazioni cliniche utili dai referti. Attraverso dashboard e web app in Google Cloud, i dati vengono resi disponibili per il monitoraggio clinico e la ricerca. Inoltre, la piattaforma Value Based Medicine (IEO VBM) misura i risultati riportati dai pazienti (PROMS) e determina la probabilità di complicanze post-operatorie utilizzando modelli di IA, contribuendo a un approccio più personalizzato e predittivo alla cura dei pazienti”
Sfide e prospettive future
Nonostante i benefici, l’adozione dell’IA in medicina presenta sfide significative, come questioni etiche, privacy dei dati e la necessità di formazione per i professionisti della salute.
“Già da allora [MYCIN anni 70] sorgevano alcune perplessità: l’accettazione da parte dei professionisti di questo sistema e le preoccupazioni per la responsabilità legale. […] A differenza delle limitazioni tecnologiche dell’epoca, ora, grazie allo sviluppo della rete internet e di elevate potenza di calcolo e di storage, abbiamo sistemi più complessi.
È importante sottolineare che il ruolo dell’uomo rimane essenziale, per supervisionare e validare le scelte compiute da questi algoritmi.” Dr. Riccardo Lucis
“Nonostante le opportunità offerte, ci sono anche sfide significative da superare per ottenere un’integrazione efficace dell’IA nella Medicina di Laboratorio. Una delle principali difficoltà è la necessità di disporre di dati di alta qualità per addestrare gli algoritmi IA. I dati di laboratorio possono variare notevolmente tra laboratori, regioni geografiche e pazienti, il che rende difficile creare modelli IA generalizzabili. Inoltre, l’integrazione di IA solleva questioni etiche, come la responsabilità diagnostica e la tutela della privacy dei dati clinici.” Dr. Andrea Padoan
L’OMS e l’OCSE stanno lavorando per sviluppare normative e standard etici per garantire che l’uso dell’IA avvenga in modo sicuro e responsabile.
Per ulteriori dettagli, puoi consultare le fonti ufficiali: