Diagnostica

Secondo Frost & Sullivan1, il mercato dell’intelligenza artificiale in medicina cresce del 40% all’anno, e il suo fatturato sarà di circa 6,6 miliardi di dollari entro il 2021. Innanzitutto, il machine learning cambierà tre aree della medicina: migliorerà le capacità diagnostiche , semplificheranno il lavoro dei radiologi e i patologi renderanno più efficace la prognosi delle malattie.

Ziad Obermayer 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 veramente 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 segnalati in tutto il mondo oltre 1,6 milioni di nuovi casi di questa malattia. Nel 6-10% dei casi il tumore aveva già metastatizzato 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 la rete neurale della startup PathAI4, partner di Philips nello sviluppo di applicazioni di intelligenza artificiale in medicina, si è classificata al primo posto nella sfida Camelyon. Gli scienziati di PathAI erano in vantaggio rispetto agli altri team con un ampio margine. Il loro algoritmo ha commesso errori solo in 35 casi su 1000: questa percentuale è leggermente inferiore a quella di un vero medico. Inoltre, se il medico ricorresse ai suggerimenti della rete neurale, il numero di errori diminuirebbe dal 3% all'1%.

Negli ultimi anni sono apparsi molti esempi di riconoscimento riuscito di immagini mediche utilizzando reti neurali. Le reti neurali identificano accuratamente il cancro alla prostata e il cancro ai polmoni dalle biopsie e sono bravi quanto un dermatologo nell'identificare il cancro della pelle da normali fotografie.

Oltre alla classificazione delle immagini, l’intelligenza artificiale può risolvere altri problemi: scegliere il trattamento o chiarire 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 ha suggerito combinazioni più efficaci del medico. Tuttavia, questo sistema non è mai stato utilizzato nella pratica clinica reale.

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

Ecco come funziona, ad esempio, il sistema di monitoraggio della terapia intensiva sviluppato da Philips. Il sistema raccoglie e integra tutti i dati disponibili sul 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 di informare il medico sull'avvicinarsi di una situazione minacciosa.

L’intelligenza artificiale, che consente di lavorare con grandi quantità di dati individuali diversi, 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 trecentomila cartelle cliniche elettroniche, riflettendo 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 di una malattia 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 casi 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, ha osservato in un'intervista a Science News7 che se al modello si aggiungono fattori genetici o dati sullo stile di vita di una persona, la previsione può essere ancora più accurata.

Anche i giganti del settore come IBM, Alphabet (Google) e Philips stanno cercando di integrare dati di analisi, dispositivi elettronici indossabili e cartelle cliniche. Philips, ad esempio, sta sviluppando un’infrastruttura che le consenta di lavorare con i dati ottenuti da dispositivi indossabili e 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, amministratore delegato di Philips, sottolinea che oggi, con la popolazione che invecchia e il suo numero cresce, Philips scommette sull'assistenza sanitaria, indicando 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. Maggiori dettagli nell'articolo:

2019

CB Insights: Nel 2021, il mercato delle tecnologie di intelligenza artificiale medica raggiungerà i 6,6 miliardi di dollari

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 presentato 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 multi-task”.

Il gruppo di ricerca ha raccolto dati su età, sesso, storia medica, abitudini di salute, 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 inseriti in una rete neurale che avrebbe appreso se il paziente aveva avuto un precedente evento cardiaco avverso maggiore (MACE) e se stava ricevendo farmaci antipiastrinici, beta bloccanti e statine - farmaci che riducono i sintomi della malattia coronarica e prevengono infarto miocardico e 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

Il volume di mercato delle tecnologie IA nel settore sanitario ammonta a 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 della tecnologia come Microsoft, IBM, Google, Nvidia, Amazon, Intel, General Electric e Xilinx. Inoltre, in Nord America sono frequenti fusioni e acquisizioni, importanti 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 pari a 320 milioni di dollari, salirà a 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 su Aprile 2019.

Uno dei principali catalizzatori della domanda di prodotti di intelligenza artificiale in medicina è la carenza di medici. Secondo l’Organizzazione Mondiale della Sanità, entro il 2019, 57 paesi mancheranno di circa 2,3 milioni di infermieri e medici. Secondo gli esperti, il fattore che frena lo sviluppo di questo mercato è la mancanza di specialisti qualificati in grado di 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;

Introduzione dell'intelligenza artificiale che aumenta il successo della fecondazione in vitro del 20%

Alla fine di dicembre 2018, gli esperti della Cornwall University e dell’Imperial College di Londra hanno presentato 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, il più grande fornitore di assistenza sanitaria online in Cina, Ping An Healthcare and Technology, 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 centri di assistenza medica di questo tipo sono già operativi. Per saperne di più.

Come si svilupperà l’intelligenza artificiale in medicina nel 2019

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

Nell’agosto 2018 si è saputo che il governo giapponese, con il sostegno delle imprese e della comunità scientifica, stava iniziando la costruzione di ospedali nel paese in cui l’intelligenza artificiale sarebbe venuta in aiuto dei medici. Attraverso le tecnologie 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.

Sono state 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, indica le direzioni principali per l'ulteriore sviluppo dell'IA in questo settore.

Secondo questa dichiarazione, l’AMA intende implementare sviluppi nel campo dell’intelligenza artificiale e in altre aree prioritarie per migliorare i risultati dei pazienti e la soddisfazione professionale dei medici. L’AMA intende sfruttare la sua posizione significativa nel settore per coinvolgere i produttori, dare priorità allo sviluppo dell’intelligenza artificiale e affrontare le sfide associate alla convalida e all’implementazione di nuove metodologie. Inoltre, l'AMA intende sviluppare un piano per educare i professionisti e comunicare ai pazienti sui limiti e le capacità che caratterizzano questa categoria di strumenti analitici.

L'AMA sostiene l'integrazione di applicazioni di intelligenza artificiale rigorose, di alta qualità e clinicamente testate e richiede un'adeguata supervisione professionale e governativa per il loro utilizzo sicuro, efficace e legale. Secondo l’AMA, le tecnologie di analisi basate sull’intelligenza artificiale dovrebbero essere disponibili per testare e identificare i pregiudizi in tutte le fasi di sviluppo, soddisfare i principali standard di riproducibilità e proteggere gli interessi degli individui e la riservatezza 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 in uno studio clinico.

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

Nel giugno 2018, la rivista Anesthesiology ha pubblicato i risultati di un team di ricercatori che ha sviluppato un algoritmo per prevedere la potenziale ipotensione, o un calo anormale 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 la cui pressione sanguigna è stata registrata durante l'intervento chirurgico, 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 potrebbe 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 senior, professore di anestesiologia ed ex presidente di medicina perioperatoria presso l'UCLA Medical Center di Los Angeles, i medici in precedenza non avevano modo di prevedere l'ipotensione durante l'intervento chirurgico e, naturalmente, in tali condizioni , gli anestesisti hanno dovuto 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 riconosce il cancro della pelle meglio dei medici

A fine maggio 2018 è stato pubblicato uno studio che dimostra la maggiore efficacia dell’intelligenza artificiale rispetto a quella umana nel riconoscere il 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

Intelligenza artificiale coinvolta nella diagnostica ecografica delle donne in gravidanza

Un ospedale britannico ha lanciato un nuovo tipo di test fetale per patologie che un medico non può notare. Il sistema, basato sull'intelligenza artificiale, contiene 350.000 immagini, classificate in base a determinate 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 siano stati presi in considerazione. Quest'ultimo è particolarmente rilevante 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 contrastare la resistenza agli antibiotici è cercare varianti di antibiotici conosciuti. 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 AI è in arrivo nel settore sanitario

È stato creato un dispositivo AI per il monitoraggio 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 intorno a una persona e determina le fasi del sonno - leggero, profondo o veloce - in base al movimento degli occhi. 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.

Un esperimento sulla clonazione di maiali in Cina è stato condotto da robot dotati di 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. Micromanipolatori universali controllati dall'intelligenza artificiale per operazioni con il DNA combinano le funzioni di campionamento, test e chirurgia.

Il processo di clonazione dei suini, 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), solitamente utilizzata per la riproduzione - quando il nucleo di una cellula somatica viene trasferito in un uovo privo di nucleo. Il vantaggio di questa tecnica è la garanzia di un'inseminazione di alta qualità dell'uovo, ma lo svantaggio è il basso livello di completamento positivo degli esperimenti a causa dell'elevata percentuale di difetti durante il processo di clonazione.

La sfida principale del processo di clonazione per trasferimento nucleare è evitare la distruzione delle cellule sensibili. I ricercatori hanno effettuato un'analisi preliminare della potenza richiesta allo strumento per gestire in sicurezza le cellule durante la rimozione dei nuclei, quindi l'hanno regolata al livello più basso possibile. Grazie a ciò, 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 a seguito dello studio sulla relazione tra microoperazioni sulle cellule e l'ulteriore sviluppo delle cellule potranno aiutare altri scienziati a fare ulteriori scoperte in questo settore.

È stato insegnato all’intelligenza artificiale a prevedere gli attacchi di cuore 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 sostengono che la precisione delle previsioni 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 hanno perseguito l'obiettivo di trovare modelli nei registri di oltre 378mila pazienti. Il computer includeva 22 criteri, tra cui età, nazionalità, presenza di artrite e malattie renali e livelli di colesterolo nel sangue.

Le conclusioni dell'intelligenza artificiale sui rischi di sviluppare un infarto sono state confrontate con i dati del 2015 e si sono rivelate più accurate delle previsioni dei medici basate sulle raccomandazioni dell'American College of Cardiology (ACC) e dell'American College of Cardiology (ACC). Heart Association (AHA): precisione dal 74,5% al ​​76,4% rispetto al 72,8%.

Secondo le stime approssimative degli autori del progetto, il computer potrebbe salvare 355 vite in più rispetto ai metodi ACC e AHA. Gli scienziati intendono aumentare l'efficienza del sistema intelligente aggiungendo ad esso la considerazione di fattori di rischio come lo stile di vita e i 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 nell’ACC e nell’AHA.

Secondo l’epidemiologo dell’Università di Nottingham Stephen Van, i sistemi biologici hanno molte relazioni, alcune delle quali sconosciute ai medici: ad esempio, l’aumento del grasso corporeo in determinate condizioni può proteggere dalle anomalie cardiache acute. 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, a suo avviso.

• 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. Maggiori dettagli nell'articolo:

2019

CB Insights: Nel 2021, il mercato delle tecnologie di intelligenza artificiale medica raggiungerà i 6,6 miliardi di dollari

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 presentato 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 multi-task”.

Il gruppo di ricerca ha raccolto dati su età, sesso, storia medica, abitudini di salute, 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 inseriti in una rete neurale che avrebbe appreso se il paziente aveva avuto un precedente evento cardiaco avverso maggiore (MACE) e se stava ricevendo farmaci antipiastrinici, beta bloccanti e statine - farmaci che riducono i sintomi della malattia coronarica e prevengono infarto miocardico e 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

Il volume di mercato delle tecnologie IA nel settore sanitario ammonta a 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 della tecnologia come Microsoft, IBM, Google, Nvidia, Amazon, Intel, General Electric e Xilinx. Inoltre, in Nord America sono frequenti fusioni e acquisizioni, importanti 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 pari a 320 milioni di dollari, salirà a 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 su Aprile 2019.

Uno dei principali catalizzatori della domanda di prodotti di intelligenza artificiale in medicina è la carenza di medici. Secondo l’Organizzazione Mondiale della Sanità, entro il 2019, 57 paesi mancheranno di circa 2,3 milioni di infermieri e medici. Secondo gli esperti, il fattore che frena lo sviluppo di questo mercato è la mancanza di specialisti qualificati in grado di 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;

Introduzione dell'intelligenza artificiale che aumenta il successo della fecondazione in vitro del 20%

Alla fine di dicembre 2018, gli esperti della Cornwall University e dell’Imperial College di Londra hanno presentato 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, il più grande fornitore di assistenza sanitaria online in Cina, Ping An Healthcare and Technology, 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 centri di assistenza medica di questo tipo sono già operativi. Per saperne di più.

Come si svilupperà l’intelligenza artificiale in medicina nel 2019

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

Nell’agosto 2018 si è saputo che il governo giapponese, con il sostegno delle imprese e della comunità scientifica, stava iniziando la costruzione di ospedali nel paese in cui l’intelligenza artificiale sarebbe venuta in aiuto dei medici. Attraverso le tecnologie 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.

Sono state 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, indica le direzioni principali per l'ulteriore sviluppo dell'IA in questo settore.

Secondo questa dichiarazione, l’AMA intende implementare sviluppi nel campo dell’intelligenza artificiale e in altre aree prioritarie per migliorare i risultati dei pazienti e la soddisfazione professionale dei medici. L’AMA intende sfruttare la sua posizione significativa nel settore per coinvolgere i produttori, dare priorità allo sviluppo dell’intelligenza artificiale e affrontare le sfide associate alla convalida e all’implementazione di nuove metodologie. Inoltre, l'AMA intende sviluppare un piano per educare i professionisti e comunicare ai pazienti sui limiti e le capacità che caratterizzano questa categoria di strumenti analitici.

L'AMA sostiene l'integrazione di applicazioni di intelligenza artificiale rigorose, di alta qualità e clinicamente testate e richiede un'adeguata supervisione professionale e governativa per il loro utilizzo sicuro, efficace e legale. Secondo l’AMA, le tecnologie di analisi basate sull’intelligenza artificiale dovrebbero essere disponibili per testare e identificare i pregiudizi in tutte le fasi di sviluppo, soddisfare i principali standard di riproducibilità e proteggere gli interessi degli individui e la riservatezza 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 in uno studio clinico.

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

Nel giugno 2018, la rivista Anesthesiology ha pubblicato i risultati di un team di ricercatori che ha sviluppato un algoritmo per prevedere la potenziale ipotensione, o un calo anormale 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 la cui pressione sanguigna è stata registrata durante l'intervento chirurgico, 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 potrebbe 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 senior, professore di anestesiologia ed ex presidente di medicina perioperatoria presso l'UCLA Medical Center di Los Angeles, i medici in precedenza non avevano modo di prevedere l'ipotensione durante l'intervento chirurgico e, naturalmente, in tali condizioni , gli anestesisti hanno dovuto 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 riconosce il cancro della pelle meglio dei medici

A fine maggio 2018 è stato pubblicato uno studio che dimostra la maggiore efficacia dell’intelligenza artificiale rispetto a quella umana nel riconoscere il 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

Intelligenza artificiale coinvolta nella diagnostica ecografica delle donne in gravidanza

Un ospedale britannico ha lanciato un nuovo tipo di test fetale per patologie che un medico non può notare. Il sistema, basato sull'intelligenza artificiale, contiene 350.000 immagini, classificate in base a determinate 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 siano stati presi in considerazione. Quest'ultimo è particolarmente rilevante 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 contrastare la resistenza agli antibiotici è cercare varianti di antibiotici conosciuti. 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 AI è in arrivo nel settore sanitario

È stato creato un dispositivo AI per il monitoraggio 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 intorno a una persona e determina le fasi del sonno - leggero, profondo o veloce - in base al movimento degli occhi. 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.

Un esperimento sulla clonazione di maiali in Cina è stato condotto da robot dotati di 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. Micromanipolatori universali controllati dall'intelligenza artificiale per operazioni con il DNA combinano le funzioni di campionamento, test e chirurgia.

Il processo di clonazione dei suini, 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), solitamente utilizzata per la riproduzione - quando il nucleo di una cellula somatica viene trasferito in un uovo privo di nucleo. Il vantaggio di questa tecnica è la garanzia di un'inseminazione di alta qualità dell'uovo, ma lo svantaggio è il basso livello di completamento positivo degli esperimenti a causa dell'elevata percentuale di difetti durante il processo di clonazione.

La sfida principale del processo di clonazione per trasferimento nucleare è evitare la distruzione delle cellule sensibili. I ricercatori hanno effettuato un'analisi preliminare della potenza richiesta allo strumento per gestire in sicurezza le cellule durante la rimozione dei nuclei, quindi l'hanno regolata al livello più basso possibile. Grazie a ciò, 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 a seguito dello studio sulla relazione tra microoperazioni sulle cellule e l'ulteriore sviluppo delle cellule potranno aiutare altri scienziati a fare ulteriori scoperte in questo settore.

È stato insegnato all’intelligenza artificiale a prevedere gli attacchi di cuore 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 sostengono che la precisione delle previsioni 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 hanno perseguito l'obiettivo di trovare modelli nei registri di oltre 378mila pazienti. Il computer includeva 22 criteri, tra cui età, nazionalità, presenza di artrite e malattie renali e livelli di colesterolo nel sangue.

Le conclusioni dell'intelligenza artificiale sui rischi di sviluppare un infarto sono state confrontate con i dati del 2015 e si sono rivelate più accurate delle previsioni dei medici basate sulle raccomandazioni dell'American College of Cardiology (ACC) e dell'American College of Cardiology (ACC). Heart Association (AHA): precisione dal 74,5% al ​​76,4% rispetto al 72,8%.

Secondo le stime approssimative degli autori del progetto, il computer potrebbe salvare 355 vite in più rispetto ai metodi ACC e AHA. Gli scienziati intendono aumentare l'efficienza del sistema intelligente aggiungendo ad esso la considerazione di fattori di rischio come lo stile di vita e i 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 nell’ACC e nell’AHA.

Secondo l’epidemiologo dell’Università di Nottingham Stephen Van, i sistemi biologici hanno molte relazioni, alcune delle quali sconosciute ai medici: ad esempio, l’aumento del grasso corporeo in determinate condizioni può proteggere dalle anomalie cardiache acute. 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, a suo avviso.

Grigory Kolesnikov, responsabile 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.

Come l'intelligenza artificiale aiuta i professionisti medici

Google ha recentemente parlato del suo previsto ingresso nel mercato di sistemi di intelligenza artificiale in grado di liberare 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 consente di aumentare l'efficienza della diagnostica grazie alla capacità di lavorare con grandi volumi. C'è un caso noto in cui il servizio diagnostico "intelligente" IBM Watson ha identificato 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 sono costretti a risolvere. Ed è in grado di ridurre al minimo i possibili errori. Inoltre, apre opportunità per l’emergere di nuove professioni nella manutenzione dei sistemi digitali in medicina.

Perché non è tutto così liscio?

Programmi e dispositivi con intelligenza artificiale vengono oggi utilizzati nell'analisi di immagini radiografiche, TC e MRI (basta caricare l'immagine nel sistema, dopodiché l'IA effettuerà l'analisi e darà una conclusione). La medicina “intelligente” 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.

Così, Semantic Hub ha recentemente creato un servizio basato sull’intelligenza artificiale per automatizzare la valutazione del potenziale dei farmaci prima della loro immissione 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 nascono dagli stessi medici specialisti, per i quali le innovazioni possono suscitare giustificata sfiducia.

Qual è la ragione dei problemi? Proviamo a capirlo.

Ostacoli all’intelligenza artificiale in medicina

1. Informazioni "seconda freschezza"

Stiamo ovviamente parlando della qualità e del volume delle informazioni mediche. I dati accumulati nelle cartelle cliniche dei pazienti potrebbero essere incompleti e contenere errori, imprecisioni e termini non standard. Non contengono sufficienti registrazioni della vita, delle abitudini e del comportamento del paziente. Meccanismi efficaci per raccogliere queste informazioni semplicemente non esistono ancora.

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

Per eliminare questo problema, vengono ora offerte opzioni per addestrare l’intelligenza artificiale su piccole quantità di informazioni. Esempi riusciti di tale formazione includono il principio di funzionamento della tastiera dello smartphone, quando il sistema ricorda 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.

Se implementato con successo in medicina, un sistema di machine learning è in grado di risolvere molti problemi: verificare la compatibilità dei farmaci, effettuare diagnosi basate sull’analisi genetica. Ad esempio, possiamo citare la soluzione della società 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 del 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 prende 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.

Anche la società nazionale Intellogic rivendica nel suo brevetto l'uso di ontologie mediche per la preparazione di modelli matematici e per la presentazione dei risultati del test dei modelli di reti neurali. Questo approccio, secondo gli autori del brevetto, consentirà ai medici di comprendere il percorso decisionale della macchina e di ridurre 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. Macchine intelligenti: un approccio intelligente!

Oltre all’algoritmo stesso, che può eseguire analisi con un elevato grado di precisione, è necessario un forte team di progetto per implementare con successo un’innovazione nella pratica. 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 competenze nella programmazione e nella presentazione visiva dei dati. È altamente auspicabile che i partecipanti possiedano non una, ma diverse competenze diverse per capirsi e completarsi a vicenda.

4. Prezzo e valore

Le complessità emergenti aumentano i costi di sviluppo, implementazione e applicazione di soluzioni di intelligenza artificiale. L'alto costo dei progetti è anche associato alla necessità di personalizzare un nuovo sistema per i dati accumulati in una particolare istituzione medica e di 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 spostati 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 di implementazione dell’intelligenza artificiale siano stati interrotti a causa di rischi legati proprio alla sicurezza informatica.

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

Largo all'intelletto!

La comunità di esperti è ben consapevole dei problemi esistenti e cerca di rispondere ad essi: riflette sui principi di progettazione dei sistemi robotici, propone di discutere l'etica dell'uso pratico dell'intelligenza artificiale e sviluppa nuove opzioni per l'introduzione delle tecnologie. Ma ammettiamolo: ci vuole tempo per sviluppare adeguatamente approcci e standard.

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

Quali sono le prospettive?

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

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