Diagnostica

Secondo Frost & Sullivan1, il mercato dell’intelligenza artificiale in medicina cresce del 40% annuo e il suo fatturato sarà di circa 6,6 miliardi di dollari entro il 2021. Innanzitutto, il machine learning cambierà tre aree della medicina: migliorare le capacità diagnostiche, facilitare il lavoro dei radiologi e dei patologi renderà la previsione della malattia più efficace.

Ziad Obermaier della Harvard Medical School e Ezekiel Emanuel dell'Università della Pennsylvania ne parlano in un articolo per The New England Journal of Medicine (NEJM)2. Secondo loro, nel prossimo futuro, l’apprendimento automatico diventerà uno strumento indispensabile per i medici che vogliono davvero comprendere i propri pazienti. Le reti neurali artificiali possono già diagnosticare le metastasi del cancro al seno non peggio di un medico esperto. Il cancro al seno è uno dei tipi più comuni di neoplasie maligne. Solo nel 2012 sono stati registrati nel mondo oltre 1,6 milioni di nuovi casi di questa malattia. Nel 6-10% dei casi il tumore ha avuto il tempo di metastatizzare già al momento della diagnosi iniziale. Per diagnosticare questo processo, viene utilizzata una biopsia dei linfonodi regionali.

Ogni campione del materiale sequestrato viene esaminato al microscopio da un patologo. In condizioni ideali e con un tempo illimitato, il medico commette pochissimi errori. Nella vita reale, i patologi possono rivedere e descrivere dozzine di farmaci ogni giorno.

Un gruppo di ricercatori dell'Università Radboud nei Paesi Bassi ha avviato la creazione di uno speciale Camelyon3 competitivo, in cui moderni algoritmi competono nel rilevamento delle metastasi del cancro al seno. I team addestrano i modelli a riconoscere il cancro tra i tessuti sani su 400 immagini di cancro al seno, quindi confrontano i risultati sulle immagini di controllo a cui i modelli non hanno avuto accesso durante l’addestramento.

L'anno scorso il primo posto nella sfida Camelyon è stato conquistato dalla rete neurale della startup PathAI4, partner di Philips nello sviluppo di applicazioni di intelligenza artificiale in medicina. Gli scienziati di PathAI erano in vantaggio rispetto agli altri team con un ampio margine. Il loro algoritmo sbagliava solo 35 volte su 1000: questo dato è leggermente inferiore a quello di un vero medico. Allo stesso tempo, se il medico ricorresse ai suggerimenti della rete neurale, il numero di errori diminuirebbe dal 3% all'1%.

Negli ultimi anni sono comparsi molti esempi di riconoscimento riuscito di immagini mediche da parte di reti neurali. Le reti neurali con elevata precisione determinano il cancro alla prostata e il cancro ai polmoni da una biopsia e, non peggio di un dermatologo, determinano il cancro della pelle da fotografie ordinarie.

Oltre alla classificazione delle immagini, l’intelligenza artificiale può risolvere anche altri problemi: scegliere un trattamento o affinare la prognosi. Un primo esempio è il sistema esperto Mycin5 sviluppato negli anni ’70 a Stanford. Il suo compito era selezionare gli antibiotici più appropriati per il trattamento delle malattie infettive. Anche allora offriva combinazioni più riuscite del medico. Tuttavia, questo sistema non è mai stato utilizzato nella pratica clinica reale.

Il sistema Mycin ha risposto a domande "sì" e "no" entro un determinato insieme di regole per trovare la risposta giusta. I moderni sistemi esperti funzionano in modo simile, ma molto spesso si trovano ad affrontare il compito di integrare automaticamente i dati dei pazienti e quindi di presentarli al medico in una forma comoda con le proprie istruzioni.

Così funziona, ad esempio, il sistema di monitoraggio in terapia intensiva sviluppato da Philips. Il sistema raccoglie e integra tutti i dati disponibili del paziente e aiuta il medico a prendere rapidamente una decisione informata. Secondo Sergey Lavanov, capo del dipartimento di informatica medica della Philips, il sistema è in grado di monitorare continuamente la dinamica degli indicatori critici per la vita del paziente e informare il medico sull'avvicinarsi di una situazione minacciosa.

L’intelligenza artificiale, che consente di lavorare con grandi quantità di vari dati individuali, dovrebbe diventare la chiave per diagnosi più accurate e trattamenti accessibili.

A differenza dei tradizionali sistemi esperti, la moderna intelligenza artificiale utilizza molti dati ed è in grado di apprendere da esempi reali. Ciò consente di trovare nei dati associazioni complesse e non ovvie per gli esseri umani e aiuta gli specialisti a prendere decisioni cliniche. Ad esempio, in un recente studio pubblicato sulla rivista PLOS ONE6, le reti neurali sono state addestrate a prevedere lo sviluppo di malattie cardiovascolari o le loro complicanze. Le reti neurali sono state addestrate su 300.000 cartelle cliniche elettroniche che riflettevano lo sviluppo e l'esito della malattia. Come test, la rete ha avuto accesso a un solo record iniziale e ha generato una previsione, che i ricercatori hanno confrontato con l’esito della malattia ricavato dai record successivi nella cartella clinica.

Infatti, la stessa rete neurale doveva trovare un elenco di regole in base alle quali valutare i rischi di malattie cardiovascolari. Di conseguenza, ha previsto il 7,6% in più di complicanze cardiovascolari rispetto alle attuali linee guida. Ciò equivale all’incirca a 355 vite che avrebbero potuto essere salvate.

Stephen Weng, epidemiologo dell’Università di Nottingham, in un’intervista a Science News7 ha osservato che se ai modelli si aggiungono fattori genetici o dati sullo stile di vita, la previsione può essere ancora più accurata.

Anche i giganti del settore come IBM, Alphabet (Google) e Philips stanno cercando di integrare dati provenienti da analisi, dispositivi elettronici indossabili e cartelle cliniche. Ad esempio, Philips sta sviluppando un'infrastruttura per gestire i dati provenienti dai dispositivi indossabili e dalle cartelle cliniche dei pazienti. Con il suo aiuto, i medici saranno in grado di costruire con precisione raccomandazioni e previsioni personalizzate per pazienti specifici. La soluzione già esistente oggi può funzionare contemporaneamente con dati di imaging medico e nuovi modelli statistici, inclusi quelli sperimentali. In futuro, ciò consentirà ai medici di utilizzare nuovi sistemi di intelligenza artificiale nel loro lavoro.

In un'intervista alla CNBC8, Frans van Houten, CEO di Philips, sottolinea che oggi, con la popolazione che invecchia e cresce, Philips scommette sull'assistenza sanitaria, evidenziando le tecnologie diagnostiche e di prevenzione come una delle più promettenti.

1 Adattato da una presentazione di Frost & Sullivan a una conferenza tenutasi a Londra, 4 ottobre 2016. 2 The New England Journal of Medicine.3 Camelion. 4 "PatAI". 5 "Mitsin". 6 "Plos Uno". 7 Notizie scientifiche. 8CNNBC.

• A livello di progettazione: prevedere le malattie, identificare gruppi di pazienti ad alto rischio di malattie, organizzare misure preventive.
• A livello produttivo: automazione e ottimizzazione dei processi negli ospedali, automazione e miglioramento dell'accuratezza diagnostica.
• A livello di promozione: gestione dei prezzi, riduzione del rischio per i pazienti.
• A livello di erogazione del servizio: adattamento della terapia e della composizione del farmaco per ogni singolo paziente, utilizzo di assistenti virtuali per costruire un percorso del paziente in un policlinico o in un ospedale.

Intelligenza artificiale in radiologia

L’intelligenza artificiale viene utilizzata attivamente nella ricerca sullo sviluppo di metodi diagnostici del cancro. Leggi di più nell'articolo:

2019

CB Insights: il mercato dell’intelligenza artificiale medica raggiungerà i 6,6 miliardi di dollari nel 2021

All’inizio del 2019, secondo CB Insights, una società di analisi, dal 2013, le startup tecnologiche internazionali che sviluppano tecnologie di intelligenza artificiale sono riuscite a raccogliere 4,3 miliardi di dollari in 576 accordi. Inoltre, gli esperti affermano che nei prossimi tre anni il mercato della tecnologia dell’intelligenza artificiale medica raggiungerà i 6,6 miliardi di dollari, crescendo del 40% ogni anno.

IBM e AstraZeneca hanno creato una rete neurale che prevede un infarto

All’inizio di marzo 2019, IBM e AstraZeneca hanno introdotto una rete neurale in grado di prevedere un infarto. I risultati della nuova tecnologia sono descritti nell'articolo pubblicato "Clustering basato sui risultati di pazienti con sindrome coronarica acuta utilizzando una rete neurale multitasking".

Il gruppo di ricerca ha raccolto dati su età, sesso, storia di vita e di malattia, cattive abitudini, nonché risultati di laboratorio, informazioni sul trattamento e quasi 40 altri indicatori tra 26.986 pazienti adulti ricoverati in 38 ospedali urbani e rurali in Cina. Tutti i dati venivano caricati in una rete neurale, che avrebbe dovuto scoprire se il paziente aveva avuto in passato un evento cardiaco avverso grave (MACE) e anche se aveva ricevuto farmaci antipiastrinici, beta-bloccanti e statine - farmaci che riducono il manifestazioni di insufficienza coronarica e prevenire l’infarto miocardico e l’ictus.

Inoltre, gli autori dell’articolo hanno effettuato il k-means clustering per distribuire i pazienti in sette gruppi sulla base dei dati ottenuti dalla rete neurale. Di conseguenza, si è scoperto che nel primo cluster, che comprendeva pazienti con frequenti eventi cardiovascolari come infarto e ictus, ma con una bassa incidenza di malattia coronarica, la presenza di diabete mellito era il principale predittore del successivo infarto. , mentre nell'altro cluster, che comprendeva pazienti con grave malattia cardiovascolare senza precedente infarto, i principali predittori erano l'età avanzata e l'elevata pressione arteriosa sistolica.

I ricercatori avvertono che, sebbene il clustering sia importante per la prognosi della malattia, non è chiaro se i dati possano essere utilizzati efficacemente nella pratica clinica. Tuttavia, il loro lavoro dimostra che l’analisi dei cluster basata sull’intelligenza artificiale è un approccio promettente per classificare i pazienti con infarto miocardico. La ricerca futura si concentrerà sulla definizione di interventi “specifici per cluster” che tengano conto dell’efficacia. trattamento precedente.

2018

La dimensione del mercato delle tecnologie IA nel settore sanitario è stata di 1,4 miliardi di dollari – Zion Market Research

Secondo la società di analisi Zion Market Research, nel 2018 il volume del mercato globale delle tecnologie di intelligenza artificiale per l’assistenza sanitaria ha raggiunto 1,4 miliardi di dollari. Si prevede che entro il 2025 l’indicatore crescerà fino a 17,8 miliardi di dollari e le spese per tali soluzioni aumenteranno di circa il 43,8% annuo.

La maggior parte della spesa per l’intelligenza artificiale medica (apprendimento automatico, elaborazione sensibile al contesto, elaborazione del linguaggio naturale, visione artificiale, riconoscimento vocale) viene spesa in Nord America. La leadership è dovuta al fatto che questa regione è rappresentata da giganti tecnologici come Microsoft, IBM, Google, Nvidia, Amazon, Intel, General Electric e Xilinx. Inoltre, in Nord America sono frequenti fusioni e acquisizioni, grandi partnership e importanti lanci di prodotti.

In Europa, entro il 2019, il mercato dell’intelligenza artificiale utilizzata per scopi medici può considerarsi nascente. Nel 2016, il suo volume era di 320 milioni di dollari, raggiungerà 1,61 miliardi di dollari nel 2019. Allo stesso tempo, il 21% delle istituzioni mediche in Europa prevede di acquistare strumenti di intelligenza artificiale, secondo i dati della comunità europea di e-health pubblicati ad aprile 2019.

Uno dei principali catalizzatori della domanda di prodotti basati sull’intelligenza artificiale in medicina è la carenza di medici. Secondo l’Organizzazione Mondiale della Sanità, entro il 2019 in 57 paesi mancheranno circa 2,3 milioni di infermieri e medici. Il fattore che ostacola lo sviluppo di questo mercato, gli esperti chiamano la mancanza di specialisti qualificati che possano seguire le linee guida nel campo dell'intelligenza artificiale.

Gli analisti includono le seguenti società tra i maggiori produttori di soluzioni AI:

• visione generale;
• NVIDIA;
• Aicure;
• iCarbonio;
• Salute circadia;
• Atomicamente;
• Genomica del percorso;
• Sophia Genetica;
• Apisio;

Introdotta l'intelligenza artificiale che aumenta il successo della fecondazione in vitro del 20%

Alla fine di dicembre 2018, gli esperti della Cornell University e dell’Imperial College di Londra hanno mostrato i risultati del loro studio, secondo cui l’efficienza della fecondazione in vitro può essere aumentata del 10-20% se si utilizza l’intelligenza artificiale per valutare la qualità degli embrioni. Per saperne di più.

Inizio installazione in Cina di 4mila cabine con medici specializzati nell'intelligenza artificiale che effettuano diagnosi in pochi minuti

Alla fine di novembre 2018, Ping An Healthcare and Technology, il più grande fornitore di assistenza sanitaria online in Cina, ha dichiarato di voler installare diverse migliaia di cliniche di intelligenza artificiale delle dimensioni di una cabina telefonica e di distribuirle in tutto il paese in tre anni. I primi punti di assistenza medica di questo tipo sono già stati aperti. Per saperne di più.

Come si svilupperà l’intelligenza artificiale in medicina nel 2019

Il Giappone costruisce ospedali per l’intelligenza artificiale per risolvere la carenza di medici

Nell'agosto 2018 si è saputo che il governo del Giappone, con il sostegno delle imprese e della comunità scientifica, sta iniziando a costruire ospedali nel paese in cui l'intelligenza artificiale verrà in aiuto dei medici. Attraverso la tecnologia dell’intelligenza artificiale si dovrebbe far fronte alla carenza di medici in Giappone, alleggerire il personale e ridurre i costi medici. Per saperne di più.

Vengono proposte le prime raccomandazioni per l’uso dell’IA in ambito sanitario

Il 18 giugno 2018 l’American Medical Association (AMA) ha proposto le prime linee guida al mondo per l’utilizzo dell’intelligenza artificiale in ambito sanitario. La dichiarazione, annunciata dal rappresentante dell'AMA alla conferenza annuale di Chicago, delinea le direzioni principali per l'ulteriore sviluppo dell'intelligenza artificiale in questo settore.

Secondo questa dichiarazione, l'AMA intende realizzare sviluppi nel campo dell'intelligenza artificiale e in altri settori prioritari per migliorare i risultati dei trattamenti e per la soddisfazione professionale dei medici. L’AMA intende sfruttare la sua forte posizione nel settore per coinvolgere i produttori, dare priorità allo sviluppo dell’intelligenza artificiale e affrontare le questioni relative alla convalida e all’adozione di nuove metodologie. Inoltre, l'AMA intende sviluppare un piano per educare i professionisti e comunicare informazioni ai pazienti sui limiti e sulle opportunità specifici di questa categoria di strumenti analitici.

L’AMA sostiene l’integrazione di pratiche di intelligenza artificiale ben progettate, di alta qualità e clinicamente testate e richiede un’adeguata supervisione professionale e governativa per il loro utilizzo sicuro, efficace e legale. L’AMA ritiene che l’analisi basata sull’intelligenza artificiale debba essere disponibile per testare e rilevare errori in tutte le fasi dello sviluppo, soddisfare i principali standard di riproducibilità e proteggere gli interessi degli individui e la privacy delle informazioni personali.

L’AMA ritiene che l’attenzione dovrebbe concentrarsi sulle esigenze degli utenti e che l’uso di un sistema di intelligenza artificiale dovrebbe essere testato su un campione rappresentativo come parte di uno studio clinico.

All’intelligenza artificiale è stato insegnato a prevedere il calo della pressione sanguigna durante l’intervento chirurgico

Nel giugno 2018, la rivista Anesthesiology ha pubblicato i risultati di un gruppo di ricercatori che hanno sviluppato un algoritmo per prevedere una potenziale ipotensione o un calo anomalo della pressione sanguigna durante un intervento chirurgico.

Per creare l'algoritmo, i ricercatori hanno utilizzato la tecnologia di apprendimento automatico: l'intelligenza artificiale ha analizzato i dati di 1.334 pazienti durante l'operazione in cui è stata registrata la pressione sanguigna, per un totale di 545.959 minuti. Sulla base di questi dati è stato preparato un algoritmo per prevedere l'ipotensione durante l'intervento chirurgico.

Una volta convalidato l’algoritmo, i ricercatori lo hanno testato su un secondo set di dati che includeva le letture della pressione sanguigna di 204 pazienti per una durata totale di 33.236 minuti. Queste registrazioni includevano 1923 episodi di ipotensione. L'algoritmo ha previsto con precisione un improvviso calo della pressione sanguigna 15 minuti prima che si verificasse nell'84% dei casi, 10 minuti prima che si verificasse nell'84% dei casi e cinque minuti prima che si verificasse nell'87% dei casi.

I ricercatori suggeriscono che questo algoritmo può essere utilizzato attivamente da anestesisti e chirurghi per prevenire complicazioni associate all’ipotensione, come l’infarto miocardico postoperatorio o l’insufficienza renale acuta.

Come ha osservato in una dichiarazione Maxime Cannesson, MD, ricercatore capo, professore di anestesiologia ed ex presidente del Dipartimento di medicina perioperatoria presso l'UCLA Medical Center di Los Angeles, i medici non avevano in precedenza modo di prevedere l'ipotensione durante l'intervento chirurgico e, naturalmente, in tali condizioni, gli anestesisti dovevano agire molto rapidamente in risposta a un improvviso calo della pressione sanguigna. La capacità di prevedere gli episodi di ipotensione durante l'intervento chirurgico consentirà ai medici di prevenire attivamente lo sviluppo di questi episodi e le loro complicanze.

L’intelligenza artificiale è migliore dei medici nel riconoscere il cancro della pelle

A fine maggio 2018 è stato pubblicato uno studio che dimostra la maggiore efficienza dell’intelligenza artificiale rispetto a quella umana in termini di riconoscimento del cancro. Tuttavia, nei luoghi difficili da raggiungere, il computer non è così preciso. Per saperne di più.

Tre applicazioni più promettenti dell’IA in medicina

L’intelligenza artificiale è stata coinvolta nella diagnostica ecografica delle donne incinte

Un ospedale britannico ha lanciato un nuovo tipo di test fetale per patologie che un medico non è in grado di notare. Il sistema, basato sull'intelligenza artificiale, dispone di 350.000 immagini classificate in base a varie deviazioni.

Secondo Engineer, la diagnostica ecografica basata sull'intelligenza artificiale si chiama ScanNav ed è progettata per fornire al medico informazioni aggiuntive in tempo reale. Di conseguenza, l'intelligenza artificiale consente allo specialista di non avere dubbi sul fatto che tutti gli angoli vengano presi in considerazione. Quest'ultimo è particolarmente vero a causa del movimento del feto nell'utero.

Finora, la tecnologia è stata testata in modalità test in ostetricia, ma in futuro si prevede di applicare lo sviluppo in vari campi della medicina. A proposito, in Giappone, che soffre di carenza di medici, sono già riposte grandi speranze nei diagnostici dell'IA, e in Cina l'intelligenza artificiale ha persino ottenuto una licenza medica.

L’intelligenza artificiale cercherà nuovi antibiotici

La resistenza agli antibiotici è uno dei maggiori problemi della medicina moderna. Grazie all'uso diffuso di antibiotici e al mancato rispetto delle istruzioni del medico, i farmaci hanno smesso di agire sui batteri, il che causa problemi nel trattamento sia delle malattie quotidiane più comuni che di quelle gravi.

Una tecnica in grado di affrontare la resistenza agli antibiotici è la ricerca di varianti di antibiotici noti. Sfortunatamente, questo è un processo estremamente difficile e dispendioso in termini di tempo. Almeno per le persone. Quando entrano in gioco gli algoritmi, la questione del tempo cessa di essere così significativa.

Un gruppo di ricercatori americani e russi ha creato un algoritmo antibiotico che, analizzando rapidamente i database, può scoprire 10 volte più varianti antibiotiche di quelle scoperte durante tutti questi studi negli anni precedenti.

L'algoritmo, noto come VarQuest, è descritto in un articolo pubblicato sull'ultimo numero della rivista Nature Microbiology. Hossein Mahimani, professore alla Carnegie Mellon University, afferma in un comunicato stampa che VarQuest ha completato una ricerca che avrebbe richiesto centinaia di anni con i metodi informatici tradizionali.

Mohimani sottolinea inoltre che VarQuest è stata in grado di fornire più di mille varianti dei gruppi peptidici utilizzati per produrre antibiotici in tempi record, e in questo modo può offrire ai microbiologi una prospettiva più ampia, forse anche mettendo in guardia su tendenze o modelli nell'ambito microbiologico. mondo che altrimenti passerebbe completamente inosservato.

2017

Uno tsunami di tecnologie IA è in arrivo nel settore sanitario

Creato un dispositivo AI per il controllo remoto del sonno utilizzando le onde radio

L'8 agosto si è saputo che gli ingegneri (MIT), con la partecipazione di specialisti del Massachusetts Central Hospital, hanno sviluppato un sistema di intelligenza artificiale in grado di controllare il sonno umano utilizzando le onde radio.

Secondo TNW, il dispositivo, che assomiglia a un normale router Wi-Fi, analizza da remoto i segnali radio attorno a una persona e determina le fasi del sonno in base al movimento degli occhi: leggero, profondo o veloce. Poiché le onde radio rimbalzano sul corpo, qualsiasi leggero movimento del corpo modifica la frequenza delle onde riflesse. L'analisi di queste onde aiuta a identificare i parametri vitali della vita umana, come il polso e la frequenza respiratoria, e a determinare le deviazioni dalla norma. Per il funzionamento, il dispositivo non necessita di sensori ed è adatto per l'uso domestico.

Si presume che il monitoraggio del sonno in tempo reale in vivo risponderà a molte domande relative al suo disturbo. Come previsto dagli scienziati del MIT, il loro sviluppo si trasformerà nel tempo in uno strumento a tutti gli effetti che consentirà ai medici curanti di monitorare i parametri del sonno a distanza, modificandoli se necessario.

Esperimento di clonazione di suini in Cina condotto da robot con intelligenza artificiale

Per la prima volta nella storia dell'umanità, gli scienziati cinesi dell'Istituto di robotica e sistemi informatici automatizzati dell'Università Nankai di Tianjin sono riusciti a clonare con successo maiali utilizzando robot, riferisce il China People's Daily. All'inizio di gennaio 2017, sono stati clonati 510 embrioni sono stati posti in sei surrogati. Come risultato dell'esperimento, due scrofe alla fine di aprile, al 110° giorno di gravidanza, hanno dato alla luce 13 suinetti sani allevati artificialmente.

Durante l'esperimento sulla clonazione dei maiali, per la prima volta gli scienziati hanno utilizzato speciali micromanipolatori-analizzatori robotici che hanno eseguito tutte le operazioni per la raccolta e il trasferimento del DNA dagli animali donatori ai portatori surrogati. I micromanipolatori universali controllati dall'intelligenza artificiale per operazioni con il DNA combinano le funzioni di campionamento, test e funzionamento.

Il processo di clonazione del suino, realizzato in collaborazione con l'Istituto per la Zootecnia e la Ricerca Veterinaria, ha previsto la cosiddetta tecnica del Trasferimento Nucleare delle Cellule Somatiche (SCNT), comunemente utilizzata per la riproduzione - quando il nucleo di una cellula somatica viene trasferito nell'ovulo senza un nucleo. Il vantaggio di questa tecnica è la garanzia di un'inseminazione di alta qualità dell'uovo, e lo svantaggio è il basso livello di completamento positivo degli esperimenti a causa dell'elevata percentuale di difetti nel processo di clonazione.

Il problema principale con il processo di clonazione per trasferimento nucleare è evitare la distruzione delle cellule sensibili. I ricercatori hanno effettuato un’analisi preliminare della potenza richiesta affinché lo strumento funzioni in sicurezza con le cellule durante la rimozione dei nuclei, quindi l’hanno regolata al livello più basso possibile. Per questo motivo il grado di deformazione cellulare è diminuito da 30-40 mm a 10-15 mm, il che ha migliorato il successivo sviluppo della cellula e aumentato le possibilità di successo.

Si presume che i dati ottenuti come risultato dello studio sulla relazione tra microoperazioni sulle cellule e ulteriore sviluppo delle cellule possano aiutare altri scienziati a fare le seguenti scoperte in questo settore.

L’intelligenza artificiale ha insegnato a prevedere un infarto meglio dei medici

Nell’aprile 2017, gli scienziati dell’Università di Nottingham hanno presentato una tecnologia di intelligenza artificiale in grado di prevedere l’insorgenza di un infarto. Gli sviluppatori affermano che la precisione della previsione è superiore a quella dei medici.

Lo studio ha confrontato l’efficacia delle raccomandazioni mediche con il lavoro di quattro programmi scritti utilizzando algoritmi di apprendimento automatico. Gli scienziati miravano a trovare modelli nei registri di oltre 378.000 pazienti. Sono stati inseriti nel computer 22 criteri, tra cui età, nazionalità, presenza di artrite e malattie renali e livello di colesterolo nel sangue.

I risultati ottenuti dall’intelligenza artificiale sul rischio di infarto sono stati confrontati con i dati del 2015 e si sono rivelati più accurati delle previsioni dei medici basate sulle raccomandazioni dell’American College of Cardiology (ACC) e dell’American Heart Association (AHA): accuratezza dal 74,5% al ​​76,4% rispetto a 72,8%.

Secondo gli autori del progetto, il computer potrebbe salvare 355 vite in più rispetto ai metodi ACC e AHA. Gli scienziati intendono migliorare l'efficienza del sistema intelligente aggiungendovi fattori di rischio come stile di vita e dati genetici.

È interessante notare che gli algoritmi non hanno tenuto conto dell’impatto del diabete, che è sempre stato considerato un fattore di rischio nel sistema ACC e AHA.

Secondo l'epidemiologo dell'Università di Nottingham Stephen Wang, i sistemi biologici hanno molte relazioni, alcune delle quali sconosciute ai medici: ad esempio, l'aumento del grasso corporeo in determinate condizioni può proteggere da anomalie acute nel lavoro del cuore. Tali interazioni non sono ovvie, sono difficili da notare e spiegare, ma un programma per computer è in grado di tracciare la connessione analizzando enormi quantità di dati, dice.

Grigory Kolesnikov, capo del programma di accelerazione G4A (Grants4Apps) della Bayer in Russia, parla di ciò che ostacola l'implementazione in medicina e discute se sia possibile per le startup in questo settore superare tali ostacoli.

In che modo l'intelligenza artificiale aiuta i professionisti medici

Google ha recentemente parlato della prevista introduzione sul mercato di sistemi di intelligenza artificiale, che consentono di salvare le conversazioni telefoniche dal rumore di fondo (ad esempio, i cani che abbaiano). Come promesso, gli algoritmi basati sull'intelligenza artificiale all'interno dello smartphone aiuteranno a eseguire il più possibile le operazioni di routine. Le prospettive sono impressionanti, perché le persone moderne trascorrono diverse ore al giorno davanti agli schermi dei propri dispositivi. E tali tecnologie sono già saldamente radicate nelle nostre vite.

Oggi l’intelligenza artificiale viene utilizzata attivamente nello sviluppo di elettrodomestici, assistenti vocali personali e sistemi di sicurezza. Dove è necessario elaborare una grande quantità di informazioni.

In medicina, l’intelligenza artificiale può migliorare l’efficienza della diagnostica grazie alla capacità di lavorare con grandi volumi. C'è un caso in cui il servizio diagnostico "intelligente" IBM Watson ha rivelato una rara forma di leucemia in un paziente di 60 anni con una diagnosi errata. Per fare questo, il sistema ha “studiato” in 10 minuti 20 milioni di articoli scientifici sul cancro.

Di conseguenza, l’intelligenza artificiale consente di ridurre il volume delle attività quotidiane di routine che gli specialisti medici devono risolvere. Ed è in grado di ridurre al minimo i possibili errori. E apre anche opportunità per l’emergere di nuove professioni per il mantenimento dei sistemi digitali in medicina.

Perché non va tutto liscio?

Programmi e dispositivi con intelligenza artificiale vengono ora utilizzati nell'analisi di immagini radiografiche, TC e MRI (è sufficiente caricare l'immagine nel sistema, dopodiché l'IA analizzerà e darà una conclusione). La medicina “intellettuale” viene utilizzata nel telemonitoraggio delle malattie croniche e nella valutazione della necessità di ricovero delle persone, nella chirurgia assistita da robot. I farmacisti hanno anche padroneggiato le nuove tecnologie: l'intelligenza artificiale viene utilizzata nello sviluppo di nuovi farmaci.

Ad esempio, Semantic Hub ha recentemente creato un servizio basato sull’intelligenza artificiale per automatizzare la valutazione del potenziale dei prodotti medici prima che vengano immessi sul mercato. Il sistema raccoglie e analizza milioni di documenti, comprese pubblicazioni scientifiche relative alla malattia, allo scopo e all'effetto del farmaco in fase di sviluppo. Quindi analizza le informazioni e trae una conclusione sul potenziale del farmaco, tenendo conto di tutti i fattori di rischio e dei vantaggi competitivi. In precedenza, gli sviluppatori di farmaci potevano studiare “manualmente” solo l’1% di tali documenti.

Prodotti, servizi e processi medici "intelligenti" vengono ora sviluppati da quasi tutte le principali aziende "digitali". In totale, secondo la società di ricerca Venture Scanner, tali sviluppi vengono effettuati da oltre 800 aziende in tutto il mondo.

Molti esperti prevedono un rapido aumento del mercato dell’intelligenza artificiale, di circa un terzo all’anno. BIS Research stima che il mercato totale dell’IA sanitaria raggiungerà i 28 miliardi di dollari entro il 2025.

Ma non tutto è così roseo. Esistono ostacoli all’introduzione delle tecnologie di intelligenza artificiale in medicina. E spesso le domande sorgono dagli stessi professionisti medici, per i quali le innovazioni possono suscitare una ragionevole sfiducia.

Qual è la ragione dei problemi? Proviamo a capirlo.

Ostacoli all’intelligenza artificiale in medicina

1. Informazioni "seconda freschezza"

Ciò, ovviamente, riguarda la qualità e il volume delle informazioni mediche. I dati accumulati nelle cartelle cliniche dei pazienti possono essere incompleti, contenere errori, imprecisioni e termini non standard. Non hanno abbastanza registrazioni della vita del paziente, delle sue abitudini e del suo comportamento. Meccanismi efficaci per raccogliere queste informazioni semplicemente non esistono ancora.

I risultati di un'analisi basata su tali dati causeranno sempre un ragionevole scetticismo e i tentativi di migliorare la qualità di questa analisi si imbatteranno in un processo abbastanza laborioso.

Per eliminare questo problema, vengono ora proposte opzioni per addestrare l’intelligenza artificiale su piccole quantità di informazioni. Come esempi riusciti di tale formazione, si può citare il principio di funzionamento della tastiera dello smartphone, quando il sistema memorizza e analizza le parole precedentemente inserite e può prevedere il contenuto dei testi successivi. Le applicazioni per il riconoscimento facciale e la musica si basano su tecnologie simili.

Con un'implementazione di successo in medicina, un sistema di apprendimento automatico è in grado di risolvere molti problemi: verificare la compatibilità dei farmaci, effettuare diagnosi basate sull'analisi genetica. Ad esempio, possiamo citare la soluzione di Droice Labs, che molto di quanto sopra è già in pratica in Russia.

2. Robot silenziosi

Il secondo limite delle innovazioni proposte in medicina è la mancanza di trasparenza nel processo decisionale da parte del nucleo intellettuale del sistema. L'intelligenza artificiale funziona secondo il principio della "scatola nera". Se si verifica un errore nell'algoritmo e il sistema ha preso la decisione sbagliata, sarà estremamente difficile rispondere alla domanda "perché".

Ora stanno sviluppando macchine in grado di rivelare le ragioni delle loro decisioni. Gli scienziati americani si stanno avvicinando al lancio di un prodotto del genere sul mercato. In particolare, la Defense Advanced Research Projects Agency (DARPA) sostiene 13 gruppi di ricerca che si preoccupano di risolvere questo problema.

La società nazionale "Intellogic" nel suo brevetto rivendica anche l'uso di ontologie mediche per la preparazione di modelli matematici e per la presentazione dei risultati dello sviluppo di modelli di reti neurali. Questo approccio, secondo gli autori del brevetto, consentirà ai medici di comprendere il modo in cui la macchina prende decisioni e ridurrà significativamente la quantità di dati necessari per addestrare i modelli.

La complessità degli approcci al trattamento dei dati basati sull’intelligenza artificiale pone un altro problema: la selezione e lo sviluppo di personale in grado di utilizzare e mantenere efficacemente sistemi con algoritmi non banali.

3. Auto intelligenti: approccio intelligente!

Oltre all’algoritmo stesso, che può produrre analisi con un elevato grado di precisione, per implementare con successo un’innovazione nella pratica è necessario un forte team di progetto. Il successo di un simile progetto in medicina dipende da quanto produttivamente interagiscono i partecipanti.

Il team dovrebbe includere specialisti con un'ampia gamma di competenze nell'area tematica, algoritmi matematici e approcci alla sicurezza delle informazioni, con capacità di programmazione e rappresentazione visiva dei dati. È altamente auspicabile che i partecipanti abbiano non una, ma diverse competenze diverse per potersi comprendere e completare a vicenda.

4. Prezzo e valore

Le complessità emergenti aumentano i costi di sviluppo, implementazione e applicazione di soluzioni basate sull’intelligenza artificiale. L'alto costo dei progetti è anche associato alla necessità di adattare il nuovo sistema ai dati accumulati in una particolare istituzione medica, per formare un team qualificato e motivato.

E questo, a sua volta, mette in discussione la possibilità di un rapido ridimensionamento delle tecnologie offerte dalle startup. Lo scaling è possibile, ad esempio, nel caso dell'elaborazione di immagini mediche di un tipo, ma le esigenze vanno ben oltre questi limiti.

Gli esperti del settore concordano sul fatto che nel breve termine l’introduzione dell’intelligenza artificiale non porterà ad una notevole riduzione dei costi. Dobbiamo continuare a cercare aree in cui l’applicazione delle tecnologie di intelligenza artificiale apporterà un valore maggiore.

5. Chi ti proteggerà dagli hacker?

Non dobbiamo dimenticare che per garantire il funzionamento dell’intelligenza artificiale è necessario fornire l’accesso a una potenza di calcolo ad alte prestazioni, che spesso non è disponibile nelle istituzioni mediche. Di conseguenza, gli array di dati dovranno essere portati fuori dal perimetro dell’istituzione, e questo mette a rischio la sicurezza dell’archiviazione, che dovrebbe essere la prima priorità. Non è un caso che molti progetti per l’implementazione dell’intelligenza artificiale siano stati interrotti a causa di rischi legati proprio alla sicurezza informatica.

Uno degli esempi più chiari è quando il Dipartimento americano per gli affari dei veterani, dopo l’inizio di una collaborazione di successo, ha rescisso l’accordo con la startup Flow Health, sviluppatrice di un sistema di diagnosi intelligente delle malattie. Come spiegato dal Dipartimento della Salute degli Stati Uniti, il contratto è stato risolto quando si è saputo che il sistema stava elaborando dati sensibili. Il dipartimento ha considerato questa una violazione della sicurezza delle informazioni personali dei pazienti veterani. A proposito, non sono state trovate perdite.

Via all'intelletto!

La comunità di esperti è ben consapevole dei problemi esistenti e sta cercando di rispondere ad essi: riflettendo sui principi di progettazione dei sistemi robotici, proponendosi di discutere l'etica dell'applicazione pratica dell'intelligenza artificiale, sviluppando nuove opzioni per l'implementazione delle tecnologie. Ma ammettiamolo: ci vuole tempo per sviluppare adeguatamente approcci e standard.

La maggior parte dei problemi che rallentano l’adozione di soluzioni basate sull’intelligenza artificiale in medicina non sono affatto legati all’aspetto tecnologico. Più spesso si tratta di problemi etici e amministrativo-procedurali, delle difficoltà di raccolta ed elaborazione dei dati (concedere al medico il tempo necessario per inserire le informazioni nella banca dati), dei problemi di ripartizione delle responsabilità, di comprensione dei meccanismi dei sistemi artificiali...

Quali sono le prospettive?

Nonostante tutte le difficoltà, i progetti hanno prospettive. Credo che nei prossimi anni le tecnologie di intelligenza artificiale potranno trovare i loro clienti tra le aziende farmaceutiche, nella ricerca di nuove molecole e bersagli biologici, nella virtualizzazione dei trial preclinici, e poi nell’analisi dei dati dei trial clinici. Spesso, quando si lavora con grandi aziende, è possibile fornire tutte le condizioni necessarie per il successo del lancio del progetto.

Tutti i problemi sono risolti. La cosa principale è che con l’uso di nuovi approcci possiamo andare avanti e non “darci la zappa sui piedi”.