In primo piano

Quando è la macchina a fornire un “secondo parere”

Intelligenza artificiale in medicina: cosa s’intende?

Di tutta la ricerca moderna in ambito tecnologico, l’intelligenza artificiale (IA) dei sistemi informatici è stata una delle più ambiziose. Con i computer intelligenti, in grado di archiviare e processare vaste banche di informazione, i ricercatori hanno cominciato a nutrire la speranza di riuscire a creare il perfetto “medico in scatola”, in grado di assistere il lavoro del medico, integrandolo anche di funzioni diagnostiche. Sotto questa spinta, tra gli anni settanta e ottanta, un piccolo gruppo di ricercatori esperti di tecnologie informatiche e professionisti della salute, ha messo in piedi un programma di ricerca per l’applicazione dell’intelligenza artificiale in medicina (IAM). Il gruppo, animato da una visione ottimista di come l’IAM avrebbe potuto rivoluzionare la medicina, ha spinto più in là i confini della tecnologia informatica.

Ed erano solo gli albori…

Da quando l’obbiettivo si è allargato dal contesto strettamente medico a quello più ampio della salute, non si parla più di sistemi AIM ma di sistemi di supporto alla decisione clinica (CDSS). Piuttosto che sostituire il medico, i sistemi intelligenti di oggi servono infatti come supporto alla prescrizione farmacologica, in laboratorio e nel contesto educativo, alla sorveglianza clinica, o, nelle aree che richiedono l’analisi di grandi quantità di dati come la terapia intensiva.

Che opportunità offrono i CDSS?

Sono per lo più di supporto agli operatori della salute nella normale gestione dei loro compiti, assistendoli attraverso funzioni di manipolazione dati e informazioni. Un sistema intelligente è in grado di registrare tutti i dati relativi ad un paziente e avvertire il medico se rileva una controindicazione nel suo programma terapeutico; può inoltre avvisare il medico quando riscontra tra i dati elementi che suggeriscono cambiamenti significativi nelle condizioni del paziente.
I sistemi basati su conoscenze preesistenti sono la tipologia più diffusa di CDSS nella pratica clinica. Sono meglio noti come sistemi esperti, contengo sapere clinico, generalmente in relazione ad una funzione specifica, e sono in grado di ragionare su dati relativi al singolo caso, traendo conclusioni ragionevoli. Sebbene ne esistano diversi tipi, la conoscenza presente in un sistema esperto è organizzata sotto forma di un insieme di regole.

È possibile, invece, immaginare un sistema che sia anche in grado di apprendere per poi intervenire nella pratica clinica?

Qualche sistema di IA ha la capacita di apprendere, guidare la scoperta di nuovi fenomeni e la creazione di sapere clinico. Un computer può essere utilizzato per analizzare un grande numero di dati, cercando strutture complesse che suggeriscano associazioni e connessioni ancora inesplorate. Questo, ad esempio, è uno degli approcci nell’associare dati sul genoma a caratteristiche clinicamente rilevanti del fenotipo al fine di generare informazioni sulla funzione di uno specifico gene o di un insieme di geni.

E se fosse la macchina (CDSS) a fornire il secondo parere?

I CDSS sono spesso utilizzati dal medico come supporto nel prendere una decisione, o quando si trova di fronte ad un numero di dati tale che il rischio di errore diventa alto. In questo senso un CDSS fornisce un secondo parere. Personalmente mi piace pensare ai CDSS come a una “protesi decisionale” che assiste il medico nei momenti in cui il processo decisionale è più debole.

In che modo?

È possibile immaginare questo tipo di assistenza in diversi contesti. Primo fra tutti quello dell’assistenza diagnostica. Di fronte a un caso complesso, raro o semplicemente quando un medico è alle sue prime esperienze, un sistema esperto può aiutare nella formulazione di diagnosi verosimili, basate sui dati del paziente ad esso sottoposti, e può contribuire alla comprensione della malattia. I CDSS sono utilizzati anche nella valutazione e pianificazione di una terapia. Un sistema di valutazione può tenere d’occhio le incoerenze, gli errori e le omissioni in un piano terapeutico esistente, non intervenendo in alcun modo nella fase di generazione del programma terapeutico. Questi sistemi sono applicati ad una base dati che viene fornita dal medico. Oggi, invece, è piuttosto comune avere a che fare con sistemi di supporto alla prescrizione (PDSS). Anche se una delle funzioni principali è la prescrizione di medicinali, un PDSS è in grado di controllare interazione tra farmaci, errori nel dosaggio, e rilevare controindicazioni come specifiche allergie ai farmaci. In genere sono sistemi ben accolti perché svolgono operazioni di routine nella pratica medica, in più, oltre ai vantaggi che apportano in termini di decisioni cliniche, sono in grado di generare automaticamente la ricetta e, in alcuni casi, di trasferirla direttamente alla farmacia.

Immagina anche altre possibilità?

Naturalmente. Diversi studi ci confermano la validità dei CDSS nel generare stati di allerta e promemoria. Un sistema esperto collegato ad uno strumento di monitoraggio, ad esempio l’elettrocardiogramma di un paziente o un ossimetro, infatti, può rilevare i cambiamenti in atto nelle condizioni del paziente e segnalarlo al medico sia attraverso feedback diretto dallo schermo sia attraverso un sistema di e-mail. Strumenti fondamentali nel ricordare al medico cosa deve essere fatto prima che si verifichi un evento. Un’altra applicazione significativa consiste nel riconoscimento e interpretazione delle immagini. Si va da una radiografia ai raggi X, ad immagini più complesse come angiogrammi.

O selezionare informazioni basate sulle prove di efficacia nella confusione diffusa?

Trovare le evidenze disponibili a supporto della pratica clinica nel Web è ancora molto difficile. In questo senso un sistema esperto, pensato per reperire informazioni attendibili, può essere in grado di formulare la domanda giusta, o filtrare le informazioni in entrata, riducendo la quantità di documenti indicizzati da un motore di ricerca; inoltre, può identificare le fonti di evidenze più appropriate per richieste cliniche particolari.
Software più complessi possono essere inviati in rete alla ricerca di informazioni e risposte a quesiti di natura clinica più specifici. Questi sono dotati di informazioni sulle preferenze e i bisogni dell’utente e di competenze cliniche per valutare l’importanza e l’utilità di ciò che trovano.

Vede qualche difficoltà nella relazione tra medico e sistemi esperti?

La maggior parte delle difficoltà sono legate alla scarsa applicazione all’interno della pratica clinica sia nel risolvere problemi sia nell’introdurre innovazioni nelle modalità stesse di lavoro del medico. Le ragioni della mancata diffusione sono di natura diversa. Alcuni richiedono l’esistenza di un sistema elettronico per la registrazione dei dati dei pazienti e molti centri non dispongono di sistemi che permettono l’archivio elettronico dei dati. Molta della riluttanza iniziale era dovuta al fatto che non sembravo integrarsi in modo naturale nella pratica clinica quotidiana: nella fase iniziale si richiedeva uno sforzo in più da parte di persone già impegnatissime. Inoltre, sono dotati di un’interfaccia con l’utente piuttosto scarna.

C’entra qualcosa anche l’analfabetismo informatico dei medici?

Può essere anche vero, ma forse un po’ pericoloso, attribuire parte della riluttanza ad utilizzare i primi sistemi alla tecnofobia o all’analfabetismo informatico degli operatori sanitari. Se un sistema viene percepito da coloro che lo utilizzano come vantaggioso, sarà utilizzato. Altrimenti, indipendentemente dal suo valore reale, verrà rifiutato.

Come funziona la gestione dei dati del paziente?

Una delle principali sfide nel mondo informatico è salvaguardare la privacy dei dati del paziente. L’effettivo coordinamento all’interno della sanità sta proprio nello scambio di informazioni riservate relative ai pazienti tra i diversi servizi che erogano salute. Comunque, credo che gli utenti debbano essere posti nella condizione di dare o negare il consenso elettronico a coloro che desiderano consultare le loro informazioni cliniche personali.

Cosa intende?

Avendo a disposizione le informazioni mediche del paziente in formato elettronico, più operatori contemporaneamente sarebbero in grado di accedervi, in qualsiasi momento e da qualsiasi postazione. Naturalmente all’accesso più ampio ai dati si affianca il rischio che tali informazioni siano utilizzate con scopi diversi, non autorizzati dal paziente. Ad esempio, il governo potrebbe confrontare i dati di pazienti di una particolare regione con un secondo fine, non strettamente legato alla salute del paziente, ad esempio, per decidere dove indirizzare le risorse economiche. In ogni caso, anche quando i dati vengono resi anonimi è possibile, se si desidera, risalire al paziente specifico, utilizzando informazioni come il genere del paziente, l’età, la città di residenza e il tipo di malattia per risalire alla sua identità.

In che modo il paziente può fornire il consenso elettronico?

Esistono diversi modi per fornire il consenso in formato elettronico. Nel modello generale per il consenso, il paziente autorizza l’accesso totale alle sue informazioni da parte di un’organizzazione anche per tutte le richieste future. Il modello generale per negare il consenso permette, invece, di negare l’accesso ai dati in tutte le circostanze future, quindi, per ogni nuovo episodio di cura deve essere richiesta e ottenuta una nuova autorizzazione. Attraverso il modello generale per la negazione con consenso esplicito il paziente emette un blocco totale per tutti i futuri accessi, ma concede la possibilità di un uso futuro sotto specifiche condizioni.

Dato il consenso, in che modo il sistema amministra i dati?

Il consenso al trattamento dei dati può essere gestito come se si trattasse di informazioni di natura legale. I sistemi per la gestione del consenso elettronico potrebbero essere ottimizzati suggerendo ai medici di indicare che abbiamo verificato le condizioni di consenso prima di accedere ai dati. In questo modo, le indicazioni sul consenso al trattamento dei dati da parte dei pazienti sarebbero finalmente utilizzate per tutelare la privacy nella distribuzione dell’informazione. Ci sarà sicuramente bisogno di una struttura dati (in termini di programmazione, una struttura ad oggetti) associata alle informazioni del paziente; l’oggetto consenso conterrà le specifiche condizioni sotto le quali potranno essere consultate.

10 marzo 2004

Argomenti correlati

Coiera E. Guide to Health Informatics. 2nd ed. Hodder & Stoughton Educational, 2003

Coiera E, Clarke R. e-Consent: The Design and Implementation of Consumer Consent Mechanisms in an Electronic Environment. J Am Med Inform Assoc. 2004 Mar-Apr;11(2): 129-40. Epub 2003 Dec 07

Altre pubblicazioni dell’autore

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.