A cura di Mark Johnston, Director of Global Business Development, Healthcare, Life Sciences and Agricultural Technology, Amazon Web Services
Il dibattito sull’intelligenza artificiale e sul machine learning è tutt’altro che sterile riflessione. La ricerca in aree d’avanguardia come quella dell’apprendimento automatico continua a dimostrare che i computer hanno il potenziale per prevedere i risultati e migliorare le performance dei medici in una vasta gamma di compiti. Ad esempio, la Food and Drug Administration statunitense ha approvato quest’anno la prima soluzione diagnostica basata sull’intelligenza artificiale – un test per la retinopatia diabetica – in grado di produrre risultati in modo autonomo senza la necessità di intervento umano.
Ebbene, questo è solo l’inizio. Il settore sanitario è pronto per un’importante trasformazione, guidata dall’IA e dal ML e alimentata da un’abbondanza di risorse di dati – dalle cartelle cliniche elettroniche alle sequenze genomiche, fino ai dispositivi mobili, i sensori incorporati e persino i registri di fatturazione.
Le soluzioni AI e ML vengono già utilizzate da migliaia di aziende con l’obiettivo di migliorare l’esperienza sanitaria dei pazienti. Ad esempio, Zocdoc sta sfruttando l’IA per risolvere un problema apparentemente molto semplice, ma che vessa regolarmente i malati. L’azienda ha creato, infatti, un’applicazione per la scansione delle carte assicurative che è informa i pazienti su quali medici accettano di effettuare le prestazioni da loro richieste. Creando un modello di deep learning e allenando una rete neurale a leggere un’enorme raccolta di carte assicurative, Zocdoc è stata in grado di creare un sistema che estrae i dati rilevanti e verifica con gli assicuratori in tempo reale se la visita di un paziente sarà coperta.
Costruire le fondamenta per l’IA e il ML
Per alimentare soluzioni di IA e ML è necessaria una materia prima fondamentale: i dati. Questi rappresentano l’ingrediente fondamentale di cui hanno bisogno le organizzazioni sanitarie per aumentare efficienza e risultati e migliorare la qualità della vita sia dei pazienti che degli operatori sanitari.
Mentre la necessità di effettuare interventi e di sviluppare nuove terapie spesso relega la raccolta e l’analisi dei dati nel dimenticatoio, nuovi strumenti consentono agli sviluppatori di integrare facilmente il ML e altre funzionalità nella routine di sviluppo e somministrazione dei trattamenti. Lungi dall’essere utilizzati esclusivamente da ricercatori e aziende tecnologiche, al contrario l’intelligenza artificiale e il machine learning sono ora accessibili a tutti.
Ma più le applicazioni si ampliano, più la riuscita o meno inizia a dipendere da molti fattori. Ad esempio, la necessità di grandi quantità di dati e di elevata qualità, accuratamente selezionati. E questi possono essere difficili da reperire in un settore come quello sanitario, dove i dati sono spesso complessi e non strutturati. Set di dati di alta qualità sono necessari non solo per far funzionare i sistemi basati sull’IA e sull’ML, ma, cosa ancora più importante, per allenare i modelli su cui questi si basano.
Inoltre, i sistemi devono essere ottimizzati per compiti ad elevata quantità di calcolo, tipici delle applicazioni IA, e aggiornati via via che la tecnologia si sviluppa. Risorse IT conformi agli standard e ai regolamenti del settore sono necessarie per assicurare sicurezza e privacy di pazienti e di altri dati sensibili.
Ma soprattutto, sono dati che fanno o interrompono lo sforzo di IA.
Un’azienda che lo ha fatto con successo è Flatiron Health, che sta connettendo insieme i dati clinici di 265 pratiche oncologiche, una rete crescente di grandi centri accademici e altre organizzazioni sanitarie che documentano più di 2 milioni di casi di cancro. Integrando questi dati nei sistemi di IA, Flatiron è in grado di ottimizzare le cure, sviluppare nuovi regimi di trattamento e scoprire nuove potenziali terapie. A dimostrazione di quanto questo sia prezioso, a febbraio la società farmaceutica svizzera Roche, investitore dal 2015, ha acquisito Flatiron a titolo definitivo per 1,9 miliardi di dollari.
Potenza e Innovazione
Un’altra tecnologia fondamentale per fornire capacità analitiche e di storage, flessibilità e sicurezza necessarie per implementare l’IA e il ML – e così abilitare nuova innovazione – è il cloud. Le piattaforme di cloud computing semplificano l’acquisizione e l’elaborazione dei dati, siano essi strutturati, non strutturati o in streaming. Questi strumenti semplificano il processo di costruzione, training e implementazione di modelli basati sull’apprendimento automatico. Le organizzazioni sanitarie in grado di utilizzare i dati per rendere sè stesse e i propri clienti più efficienti ed efficaci saranno quelle che otterranno i maggiori successi nei prossimi anni, soprattutto se di pari passo all’IA crescerà l’attenzione verso un migliore impiego delle risorse.
Ad esempio, l’azienda tecnologica olandese Philips sta creando la piattaforma digitale HealthSuite su una raccolta di oltre 21 petabyte di dati sul cloud provenienti da 390 milioni di immagini mediche, cartelle cliniche e input dei pazienti. HealthSuite offre ai provider, ai medici, ai data scientist e agli sviluppatori accesso sia a dati di qualità che a strumenti di IA, che possono utilizzare per migliorare l’assistenza sanitaria in tempo reale.
Allo stesso modo, Orion Health ospita i dati di 50 milioni di utenti sul cloud, consentendo ai suoi clienti di accedere alle informazioni sui pazienti, dai dati clinici e genomica ai dati relativi alle richieste di rimborso. Strumenti associati consentono ai provider di identificare trattamenti e strategie di prevenzione personalizzati per ottimizzare il processo decisionale in fase clinica.
Le aziende sanitarie, siano esse conglomerati già affermati o giovani startup, guardano sempre più all’IA e al ML come risorse per favorire innovazione e trasformazione al proprio interno e in tutto il settore, con l’obiettivo di ridurre i tempi di scoperta e analisi, migliorando al contempo le esperienze dei pazienti. Benché la disponibilità di fonti e volumi di dati cresceranno, gli ingredienti essenziali per il successo di AI e ML rimarranno sempre gli stessi: dati di alta qualità, sistemi ottimizzati, cloud e servizi ML che rendano il machine learning accessibile a tutti gli sviluppatori, eliminando la zavorra di dover ogni volta costruire, allenare e distribuire i modelli. Acquisiti questi elementi fondamentali, l’IA e il ML hanno il potenziale per fornire un’assistenza più efficiente ed efficace, per migliorare il processo decisionale e la capacità di generare valore aggiunto per i pazienti e i fornitori di servizi.
