L’ascesa dell’intelligenza artificiale nelle applicazioni di Cardiologia

HomeDai Gruppi di Studio

L’ascesa dell’intelligenza artificiale nelle applicazioni di Cardiologia

Gestione della salute e non solo trattamento delle patologie

L’ecosistema sanitario si sta rendendo conto dell’importanza degli strumenti basati sull’intelligenza artificiale nella tecnologia sanitaria di prossima generazione. Si ritiene che l’IA possa apportare miglioramenti a qualsiasi processo all’interno delle operazioni e dell’erogazione dell’assistenza sanitaria

1. La nuova era dell’Healthcare in Cardiologia
C’è già una grande quantità di prove che gli algoritmi di IA stanno funzionando alla pari o meglio degli umani in vari compiti, ad esempio, nell’analisi di immagini mediche o correlando sintomi e biomarcatori dalle cartelle cliniche elettroniche (EMR) con la caratterizzazione e la prognosi della malattia1. La domanda di servizi sanitari è in costante aumento e molti paesi stanno vivendo una carenza di operatori sanitari, in particolare medici. I progressi nella tecnologia wireless e negli smartphone hanno fornito opportunità per i servizi sanitari on-demand utilizzando app di monitoraggio della salute e piattaforme di ricerca e hanno anche abilitato una nuova forma di erogazione dell’assistenza sanitaria, tramite interazioni remote, disponibili ovunque e in qualsiasi momento. Tali servizi sono rilevanti per le regioni e i luoghi sottoserviti privi di specialisti e aiutano a ridurre i costi e prevenire l’esposizione non necessaria a malattie contagiose presso gli Ospedali. La tecnologia di telemedicina è rilevante anche nei paesi in via di sviluppo in cui il sistema sanitario è in espansione e dove le infrastrutture sanitarie possono essere progettate per soddisfare le esigenze attuali3. Sebbene il concetto sia chiaro, queste soluzioni necessitano ancora di una sostanziale convalida indipendente per dimostrare la sicurezza e l’efficacia di trattamento del paziente. L’ecosistema sanitario si sta rendendo conto dell’importanza degli strumenti basati sull’intelligenza artificiale nella tecnologia sanitaria di prossima generazione. Si ritiene che l’IA possa apportare miglioramenti a qualsiasi processo all’interno delle operazioni e dell’erogazione dell’assistenza sanitaria. Ad esempio, i risparmi sui costi che l’IA può portare al sistema sanitario è un fattore importante per l’implementazione delle applicazioni di IA. Si stima che le applicazioni di IA possano ridurre i costi sanitari annuali degli Stati Uniti di 150 miliardi di dollari nel 2026. Gran parte di queste riduzioni dei costi deriva dal cambiamento del modello sanitario da un approccio reattivo a uno proattivo, concentrandosi sulla gestione della salute piuttosto che sul trattamento delle malattie. Ciò dovrebbe comportare meno ricoveri, meno visite mediche e meno trattamenti. La tecnologia basata sull’intelligenza artificiale avrà un ruolo importante nell’aiutare le persone a rimanere in buona salute attraverso il monitoraggio e il coaching continui e garantirà diagnosi precoci, trattamenti su misura e follow-up più efficienti. Si prevede che il mercato dell’assistenza sanitaria associata all’IA crescerà rapidamente e raggiungerà i 6,6 miliardi di dollari entro il 2021, corrispondenti a un tasso di crescita annuo composito del 40%4.

1.1. Progressi tecnologici
Negli ultimi dieci anni ci sono stati un gran numero di progressi tecnologici nel campo dell’IA e della scienza dei dati. Sebbene la ricerca sull’IA per varie applicazioni sia in corso da diversi decenni, l’attuale ondata di hype dell’IA è diversa dalle precedenti. Una combinazione perfetta di maggiore velocità di elaborazione del computer, librerie di dati di raccolta dati più grandi e un ampio pool di talenti dell’IA ha consentito un rapido sviluppo di strumenti e tecnologie di intelligenza artificiale, anche nel settore sanitario e cardiologico5, 10. Questo è destinato a fare un cambiamento di paradigma nel livello della tecnologia IA e nella sua adozione e impatto sulla società. In particolare, lo sviluppo del deep learning (DL) ha avuto un impatto sul modo in cui guardiamo agli strumenti di intelligenza artificiale oggi ed è la ragione di gran parte del recente entusiasmo che circonda le applicazioni di intelligenza artificiale. DL consente di trovare correlazioni troppo complesse per essere renderizzate utilizzando algoritmi di apprendimento automatico precedenti. Questo è in gran parte basato su reti neurali artificiali e rispetto alle reti neurali precedenti, che avevano solo 3-5 strati di connessioni, le reti DL hanno più di 10 strati. Ciò corrisponde alla simulazione di neuroni artificiali nell’ordine di milioni.

2. Applicazioni dell’intelligenza artificiale nel settore sanitario cardiologico
Si ritiene generalmente che gli strumenti di intelligenza artificiale faciliteranno e miglioreranno il lavoro umano e non sostituiranno il lavoro dei medici e di altro personale sanitario in quanto tale. L’intelligenza artificiale è pronta a supportare il personale sanitario con una varietà di attività, dal flusso di lavoro amministrativo alla documentazione clinica e alla sensibilizzazione dei pazienti, nonché al supporto specializzato come l’analisi delle immagini, l’automazione dei dispositivi medici e il monitoraggio dei pazienti. Ci sono opinioni concrete sulle applicazioni più vantaggiose dell’IA per scopi sanitari. Un rapporto del 2019 di McKinsey afferma importanti aree connesse e dispositivi cognitivi, medicina mirata e personalizzata, chirurgia assistita da robotica ed elettroceutica6.

2.1 Medicina di precisione
La medicina di precisione offre la possibilità di adattare gli interventi sanitari a individui o gruppi di pazienti in base al loro profilo di malattia, alle informazioni diagnostiche o prognostiche o alla loro risposta al trattamento11. L’opportunità di trattamento su misura prenderà in considerazione le variazioni genomiche e i fattori che contribuiscono al trattamento medico come età, sesso, geografia, razza, storia familiare, profilo immunitario, profilo metabolico, microbioma e vulnerabilità ambientale. L’obiettivo della medicina di precisione è quello di utilizzare la biologia individuale piuttosto che la biologia di popolazione in tutte le fasi del percorso medico di un paziente. Ciò significa raccogliere dati da individui come informazioni genetiche, dati di monitoraggio fisiologico o dati EMR e adattare il loro trattamento in base a modelli avanzati. I vantaggi della medicina di precisione includono la riduzione dei costi sanitari, la riduzione della risposta avversa ai farmaci e il miglioramento dell’efficacia dell’azione dei farmaci7. Si prevede che l’innovazione nella medicina di precisione fornirà grandi benefici ai pazienti e cambierà il modo in cui i servizi sanitari vengono forniti e valutati. Esistono molti tipi di iniziative di medicina di precisione e, nel complesso, possono essere suddivise in tre tipi di aree cliniche: algoritmi complessi, applicazioni sanitarie digitali e test basati su “omica”.
Algoritmi complessi: gli algoritmi di apprendimento automatico vengono utilizzati con set di dati di grandi dimensioni come informazioni genetiche, dati demografici o cartelle cliniche elettroniche per fornire una previsione della prognosi e una strategia di trattamento ottimale.
Applicazioni sanitarie digitali: le app sanitarie registrano ed elaborano i dati aggiunti dai pazienti come l’assunzione di cibo, lo stato emotivo o l’attività e i dati di monitoraggio della salute da dispositivi indossabili, sensori mobili e simili. Alcune di queste app rientrano nella medicina di precisione e utilizzano algoritmi di apprendimento automatico per trovare tendenze nei dati e fare previsioni migliori e fornire consigli personalizzati sul trattamento.
Test basati su omiche: le informazioni genetiche provenienti da un pool di popolazione vengono utilizzate con algoritmi di apprendimento automatico per trovare correlazioni e prevedere le risposte al trattamento per il singolo paziente. Oltre alle informazioni genetiche, altri biomarcatori come l’espressione proteica, il microbioma intestinale e il profilo metabolico sono anche impiegati con l’apprendimento automatico per consentire trattamenti personalizzati8. Una menzione a sé merita l’intelligenza artificiale e visualizzazione medica. L’interpretazione dei dati che appaiono sotto forma di immagine o video può essere un compito impegnativo anche in Cardiologia. Gli esperti del settore devono allenarsi per molti anni per raggiungere la capacità di discernere i fenomeni medici e per di più devono imparare attivamente nuovi contenuti man mano che si presentano più ricerche e informazioni. Tuttavia, la domanda è in costante aumento e vi è una significativa carenza di esperti nel settore. C’è quindi bisogno di un nuovo approccio e l’IA promette di essere lo strumento da utilizzare per colmare questa lacuna della domanda9.


Bibliografia

  1. Miller D.D., Brown E.W. Artificial intelligence in medical practice: the question to the answer? Am J Med. 2018;131(2):129–133
  2. Kirch D.G., Petelle K. Addressing the physician shortage: the peril of ignoring demography. JAMA. 2017;317(19):1947– 1948.
  3. Combi C., Pozzani G., Pozzi G. Telemedicine for developing countries. Appl Clin Inform. 2016;07(04):1025–1050
  4. Bresnick J. Artificial intelligence in healthcare market to see 40% CAGR surge; 2017
  5. Lee K.-F. AI superpowers: China, Silicon Valley, and the new world order. 1st ed. Houghton Mifflin Harcourt; 2019
  6. Singhal S, Carlton S. The era of exponential improvement in healthcare? McKinsey Co Rev.; 2019
  7. Konieczny L, Roterman I. Personalized precision medicine. Bio-Algorithms Med- Syst 2019; 15.
  8. Love-Koh J. The future of precision medicine: potential impacts for health technology assessment. Pharmacoeconomics. 2018;36(12):1439–1451
  9. Hashimoto D.A., Rosman G., Rus D., Meireles O.R. Artificial intelligence in surgery: promises and perils. Ann Surg. 2018;268:70–76.
  10. Bonderman, D., Artificial intelligence in cardiology. Wien Klin Wochenschr, 2017, 129, (23-24), 866-868.
  11. Boehmer, J.P.; Hariharan, R.; Devecchi, F.G.; Smith, A.L.; Molon, G.; Capucci, A.; An, Q.; Averina, V.; Stolen, C.M.; Thakur, P.H.; Thompson, J.A.; Wariar, R.; Zhang, Y.; Singh, J.P.

Autore