Ormai, quasi ogni strumento o device per la sanità include un algoritmo AI a qualche livello. E molti altri strumenti di Intelligenza Artificiale sono disponibili sul mercato.
«Ma la realtà della sanità è fatta di tantissime esigenze cliniche, con data set, modus operandi e criticità leggermente diverse da ospedale a ospedale. Per questo, sempre più spesso, introdurre AI sanitarie significa costruire assieme al clinico uno strumento orientato in maniera molto precisa verso un particolare obiettivo».
Fine Tuning: come sviluppare AI in sanità
Giuseppe Jurman coordina la squadra di data scientist presso il Centro di Digital Health and WellBeing della Fondazione Bruno Kessler (dove è Head della Data Science for Health Unit) e insegna all’Università di Medicina Humanitas.
Il suo lavoro è fare ricerca, e spesso ricerca di base, per sviluppare strumenti AI che semplificano l’attività dei clinici, li aiutano nella diagnosi o risolvono un problema nel percorso del paziente. Ecco come:
Step 1 – Capire il problema
«Il confronto con il clinico accompagna l’intero processo ed è fondamentale per capire quale sia l’obiettivo dell’innovazione. La maggior parte dei clinici si rivolge ai Data Scientist portando la propria esperienza, spiegando quali sono i dati raccolti e chiedendo quali informazioni si possono trarre dall’analisi AI del database».
Step 2 – Capire il dato
«In questo stadio il Data Scientist analizza il tipo di data set. Questo è un momento importante perché non tutti i dati sono utilizzabili o coerenti o facilmente accessibili e il clinico è, ancora una volta, molto importante per aiutare a capire eventuali bias. È il motivo per il quale Lancet ha scritto, recentemente, che “Healthcare Data is the new blood”. I dati sanitari portano tante informazioni quanto i campioni biologici e bisogna diffondere una cultura del dato che faciliti la corretta raccolta, conservazione e utilizzo».
Step 3 – Accedere al dato
«Questo è un passaggio difficile e richiede in media circa 8-12 mesi. Bisogna scrivere il progetto da sottoporre al comitato etico, assicurare i consensi informati, soddisfare i requisiti di privacy, considerando che i dati sanitari possono essere visti da un clinico, ma l’accesso per un data scientist è più complicato».
Step 4 – Scegliere l’algoritmo
«Di prassi non si sviluppano più algoritmi: ha poco senso mettersi a competere con giganti come Google, Anthropic etc. che possono sviluppare i loro “modelli fondazionali” addestrandoli con decine di milioni di casi e simulazioni. Quello che facciamo è prendere questi nuovi modelli fondazionali e adattarli (fine-tuning) alle esigenze dei reparti. Anche in questo stadio, bisogna sempre tenere il clinico “in the loop”, in particolare quando il database è piccolo e il medico ci aiuta a capire quali analisi sono sbagliate o banali, identificando quali correlazioni sono conseguenze e quali, invece, solo coincidenze».
Cosa possono fare questi nuovi modelli in Sanità?
«Il momento stiamo lavorando ad un algoritmo che possa aiutare a identificare sottili cambiamenti nel tono della voce come marker molto precoci del tumore alla laringe. Lo potrà fare il medico di base con app sullo smartphone. Nello stesso tempo, lavoriamo anche ad un algoritmo in grado di predire la necessità di una biopsia al rene, sapendo che il 18% di quelle realizzate in Italia risulta negativa e, auspicabilmente, evitabile. Mi preme sottolineare quanto correlazione ci sia tra questi strumenti AI e i due fronti più attuali della sanità: l’evoluzione della sanità territoriale e l’appropriatezza per ridurre i costi del sistema».
Da quello che mi racconta emerge una nuova professione: il data scientist per AI in sanità?
«Direi due nuove professioni: quella del medico competente in AI e Data Science: una figura essenziale per dialogare con gli esperti di dati e informatica e guidarli verso lo strumento di cui ha bisogno in corsia. Per questo, nel quarto anno di Medicina, insegno AI e Machine Learning e la già citata cultura del dato in sanità agli studenti.
E poi, certo, sta crescendo molto il ruolo del Data Scientist in sanità capace di orientare gli algoritmi per risolvere i problemi e raggiungere gli obiettivi fissati dai medici».
Come si svilupperà questa relazione nel futuro?
«È facile predire che ogni grande ospedale avrà la sua Data Scientist Unit che lavorerà a fianco a fianco dei propri clinici per sviluppare algoritmi tarati sulle loro esigenze e quelle delle realtà dove lavorano. Un futuro vicino e auspicabile nel quale l’AI sarà estremamente diffusa ma mai generica; sempre sintonizzata sulla realtà nella quale verrà impiegata».
Iscriviti alla newsletter di Bees Sanità Magazine e aggiungi beesanitamagazine.it tra le tue fonti preferite di Google
