LOGIN
L'intelligenza artificiale sta lentamente rivoluzionando diversi settori dell'economia, ed è ormai entrata anche nelle nostre case grazie ai dispositivi smart. Le applicazioni che noi oggi vediamo dell'AI, in realtà, sono solo la punta dell'iceberg delle reali potenzialità dell'applicazione degli algoritmi di machine learning ai grandi set di dati. Le previsioni metereologiche ci hanno già mostrato quanto può essere utile, nella pratica, l'uso di questi algoritmi.
Ma c'è un settore in cui l'AI potrebbe fare addirittura la differenza tra la vita e la morte: quello della diagnostica medica computerizzata. I primi esperimenti mostrano che, applicando l'intelligenza artificiale ai sistemi diagnostici già esistenti, i computer possono scovare le malattie prima e con più precisione rispetto ai medici. Il motivo di tutto questo è che gli algoritmi di machine learning sono in grado di elaborare in poco tempo enormi quantità di dati e che, allo stesso tempo, sono bravissimi a trovare minuscole divergenze dai "pattern" per i quali sono stati "educati".
Siamo tutto un pattern
Per farla molto semplice: se diamo in pasto ad un algoritmo centinaia di migliaia di immagini tutte simili, l'algoritmo imparerà in fretta cosa è "normale" e cosa non lo è in quel tipo di immagini. L'importante è che le immagini abbiano dei pattern (cioè dei percorsi, dei motivi grafici o delle ripetizioni) sempre simili. Lo stesso vale anche per i set di dati.
I nostri organi, per fortuna, sono tutti pieni di "pattern": i tessuti del cervello, del fegato, dei polmoni, dei reni e di molti altri organi comprese le ossa sono pieni di ripetizioni di piccole parti sempre simili. E sono sempre simili in tutti gli umani sani. Se nel tessuto polmonare di un uomo spunta un tumore, esso visibilmente apparirà come una anomalia al normale pattern del normale tessuto di un polmone sano.
I medici, d'altronde, vanno in cerca di "macchie" da quando sono state inventate le radiografie, le TAC e gli altri strumenti di diagnostica per immagini. Sempre i medici, poi, mettono insieme i tanti parametri vitali del paziente per prevenire le malattie sapendo che, ad esempio, se un maschio adulto ha una circonferenza addominale superiore a 102 centimetri, è iperteso e fuma allora rischia seriamente un infarto. La stessa cosa fanno anche gli algoritmi, solo che possono vedere macchie molto più piccole ed elaborare molti più dati clinici in modo molto più veloce.
AI e diagnostica medica: a che punto siamo
DeepMind, società del gruppo Alphabet-Google, ha messo a punto un sistema basato sull'intelligenza artificiale per la diagnosi precoce dell'insufficienza renale acuta. Lo ha fatto dando in pasto ai suoi algoritmi di machine learning i dati sanitari di 700 mila pazienti adulti, dai quali il software ha estrapolato i parametri vitali ricorrenti nei malati di insufficienza renale. Il risultato è molto promettente: si può diagnosticare la malattia con il 55,8% di precisione e con 48 ora di anticipo rispetto all'evento clinico acuto.
I ricercatori della Mayo Clinic del Minnesota hanno fatto qualcosa di simile con gli elettrocardiogramma (ECG): hanno somministrato agli algoritmi i dati degli ECG di 600 mila pazienti. Il software riesce a rilevare la condizione di salute del cuore nell'85% dei casi. Lo stesso gruppo di ricercatori sta lavorando anche ad un algoritmo in grado di diagnosticare preventivamente i sintomi di una condizione cardiaca che potrebbe sfociare in un infarto.
La startup cinese Infervision, invece, si è concentrata sulla diagnosi precoce del cancro tramite la tomografia computerizzata. Ancora una volta, gli algoritmi hanno analizzato centinaia di migliaia di tomografie in cerca di anomalie, riducendo del 50% le diagnosi di cancro mancate.
Di nuovo Google ha applicato l'intelligenza artificiale alla prevenzione del cancro, questa volta ai polmoni, facendo analizzare ai suoi algoritmi 45 mila tomografie del torace (alcune delle quali mostravano la presenza di un cancro, a vari stadi di evoluzione). Google afferma che il suo algoritmo è in grado di scoprire il cancro al polmone con una precisione maggiore del 5% rispetto ad un panel di sei radiologi certificati. I falsi positivi si riducono della stessa percentuale. Gli scienziati del MIT, invece, stanno lavorando sul tumore alle ovaie e su quello al seno.
24 settembre 2019
