quotidianosanità.it
Gentile direttore, Di un’automobile ne apprezziamo le doti, ne impostiamo i limiti e le regole per condurla, ma talora ci dobbiamo fermare proseguendo a piedi quando la strada diventa un sentiero impervio. Molti colleghi nutrono una certa diffidenza nei confronti di AI e Deep Learning: ritengono che queste innovazioni siano una sorta di competitors verso la nostra occupazione professionale, temendo che possano rubarci il lavoro, o che siano un fattore svilente la natura nobile della professione medica, con una sorta di robotizzazione del rapporto medico-paziente; senza dimenticare i pericoli di eventuali fenomeni del tipo copia e incolla, che svalutano la caratteristica e la sensibilità del singolo individuo. Questi sono solo alcuni risvolti negativi di cui si sente parlare, ma altri riguardano aspetti più complessi che implicano trattamenti di dati che travalicherebbero il fine dichiarato in origine, producendo banche dati dei tratti sensibili sia nel campo della genetica sia per possibilità di essere classificati come più vulnerabili o predisposti a determinati eventi patologici; risulterebbe così più o meno conveniente per una società assicurativa stipulare polizze nel campo sanitario o pensionistico ad un soggetto rispetto ad altri, oppure nell’ambito di assunzioni lavorative e altro ancora. A tal fine, si prendano in considerazione gli algoritmi che, con l’analisi della voce, consentono di predire o identificare lo sviluppo di malattie degenerative quali il Morbo di Parkinson, Demenza o Sindrome da stress post traumatico, ecc. [1]. Nonostante ciò, è comunque opportuno guardare al futuro ritenendo AI un valido supporto e un aiuto concreto sia per il progresso della scienza medica teorica sia nella professione medica quotidiana. Nel settore della ricerca, un recente articolo apparso su Nature ci illustra come uno scienziato riesca nel tempo di qualche minuto a programmare complesse strutture molecolari che in alternativa necessiterebbero di circa un mese per essere sviluppate. Sempre Nature, con articolo del 20 09 2022 [2], porta in luce i fantastici risultati ottenuti tramite impiego di procedure di AI per l’analisi delle bio-immagini, in particolare per gli studi istologici delle connessioni nelle reti neuronali. Per diagnosticare una malattia con l’istologia sulla base della colorazione chimica o molecolare, è necessario un processo che può richiedere giorni o addirittura settimane: oggi alcuni scienziati riescono a colorare una sezione di tessuto in modo computazionale presentandolo con decine di migliaia di esempi di versioni (non colorate e colorate) della stessa sezione in maniera virtuale, risparmiando tempo e materiali di consumo costosi e tossici. In pochi secondi si ottiene l’identificazione di una cellula tumorale, un processo che in genere richiede almeno 24 ore in un laboratorio di istologia classica. Infine, posso citare alcuni esempi nella pratica medica: • analisi della voce e della tosse al telefono con un App, può eseguire con una certa affidabilità la diagnosi di una probabile malattia Covid19 in atto [1] Esami oculistici come: • la Retinografia (la fotografia della retina), iniziano ad essere utilizzati programmi che la refertano nelle campagne di screening per la valutazione della Retinopatia Diabetica [3] Sono lontani i tempi in cui, per la mia tesi di laurea, passavo pomeriggi interi a ricalcare e processare singolarmente le cellule dell’endotelio corneale, mentre oggi basta un semplice click con il paziente davanti allo strumento, producendo il risultato rapidamente e meglio. Concludo con un aneddoto, per ricordare che la AI ha anche limiti di performance e il medico deve saper fare sempre di suo, come dire ora scendi dalla macchina e vai a piedi. Da studente tirocinante in un reparto ospedaliero, con il vice primario ci rechiamo in consulenza per un paziente in coma da trauma presso un reparto di neurochirurgia. Il povero malato aveva febbre da giorni, senza causa nota, né erano presenti ferite. Appena entrati, il docente si gira verso di me dicendomi: “hai sentito l’odore che c’è?!”. Senza proferir parola, alza il lenzuolo e gira il malato: una piaga da decubito lo stava mandando in setticemia! Dr. Gianni Zuccheri Bibliografia: [3] Piatti A, et al. Diabetic Retinopathy Screening with Artificial Intelligence: A Pivotal Experience in Italian Healthcare System – Preliminary Report. Diabetes Obes Int J 2022, 7(S1): 000S1-008.
stampa | chiudi
Giovedì 22 SETTEMBRE 2022
Intelligenza Artificiale e Deep Learning, evitiamo il “copia e incolla”
in questo periodo si leggono molti articoli che trattano il tema dell’Intelligenza Artificiale applicata al campo medico, vorrei quindi esporre alcune riflessioni in merito. Guardiamo al futuro con l’Intelligenza Artificiale e il Deep Learning, ma con i pazienti evitiamo il copia e incolla.
• Refertazione parziale di esami OCT (Tomografia a Coerenza Ottica) della Retina
• Algoritmi previsionali nel monitoraggio degli esiti della terapia iniettiva intravitreale per la maculopatia e per l’edema maculare
Medico oculista
[1] Sound sick? New AI technology might tell if it’s Covid
[2] Nature 609, 864-866 (2022)
© RIPRODUZIONE RISERVATA