Buongiorno a tutti, è per me un piacere intervenire oggi su di un argomento a cui mi dedico da diverso tempo, ovvero la trasformazione digitale della medicina. Sono Valerio rosso, un medico psichiatra che si occupava di medicina digitale, in particolare nell'area della salute mentale. In questi anni ho preso parte a diversi progetti imprenditoriali e di ricerca che riguardano le terapie digitali, la comunicazione digitale della salute e la trasformazione generale della medicina moderna
ad opera delle nuove tecnologie. Oggi vi parlerò di intelligenza artificiale e di medicina di precisione, un tema che io. La ricollego alla più vasta prospettiva della medicina olistica, ovvero di un approccio globale al paziente che tenga conto di tutte le sue caratteristiche specifiche per poter produrre il migliore inquadramento del suo stato di malattia e la progettazione del miglior intervento terapeutico
possibile. Per chi volesse entrare in contatto con me, giusto per iniziare, vedete in fondo alla slide i miei contatti. Bene, crescita esponenziale. Da diverso tempo inizio i miei interventi con questo concetto. Perché, vedete, c'è in qualche cosa che accomuna tutti i grandi cambiamenti, quelli tecnologici, quelli sanitari, ma anche quelli connessi alla cultura e dal costume.
È un dato storico facilmente verificabile che nelle grandi trasformazioni culturali abbiamo un periodo in cui a parlare ad esempio di rivoluzione digitale in medicina sono solo i super esperti, magari quelli un po' visionari, ma poi? Colpo le cose cambiano è una miscela di consapevolezza, interessi economici e oggettivi vantaggi per le comunità collimano tra loro e generano la diffusione improvvisa, travolgendo quello che sino a poco prima era considerato lo
standard in un dato campo. Intelligenza artificiale e medicina di precisione in questi ultimi anni sono in fase di crescita esponenziale, come indicano il numero crescente di pubblicazioni scientifiche e gli investimenti economici reali in quest'area della salute. Oggi, quindi, risponderò a diverse domande a riguardo. In particolare, che cosa sono l'intelligenza artificiale e la medicina di precisione? Perché sono così connesse tra di loro?
Perché si stanno sviluppando proprio in questi ultimi anni? E infine, quali vantaggi ci saranno per i pazienti? Domanda molto importante. È chiaro che questo mio intervento dovrà essere per forza molto generale, visto che ha lo scopo di introdurre e di semplificare dei concetti oggettivamente piuttosto complessi. Ma andiamo avanti allora. Il mondo è stato cambiato dalla rivoluzione digitale, come tutti noi sappiamo. E chi non è stato pronto a governare il cambiamento lo ha
subito. Vedete questa slide? Spotify, Netflix, i giornali, i libri, le banche, la politica, le relazioni tra esseri umani, il modo in cui in cui viaggiamo o facciamo incontri, tutto si è trasformato all'improvviso, spazzando via letteralmente i vecchi standard, i precedenti paradigmi a cui eravamo abituati. Noi operatori sanitari siamo in una situazione simile proprio
adesso. In questi anni pochi di noi si stanno organizzando per implementare le proprie competenze, per prendere parte attivamente a questo processo di trasformazione che inevitabilmente cambierà il modo in cui lavoreremo. Tutto questo in poco tempo, anche se questo potrebbe appunto anche non piacerci. Infatti, come vedete, la trasformazione digitale della medicina è già iniziata e proseguirà in ogni modo, come vediamo da tutte le aziende che stanno in questo momento
investendo in questo campo. Il valore stimato di 300 miliardi di dollari del mercato dell'intelligenza artificiale in sanità ci indica chiaramente che le cose andranno avanti e nessuno chiederà più di tanto il permesso alla classe medica. La rivoluzione digitale degli ultimi 25 anni. Non ha chiesto il permesso a nessuno, è il risultato, appunto. Lo conosciamo tutti e l'abbiamo visto nella slide precedente, ma la medicina non è Netflix o Uber e come in politica, è in ambito economico.
Ci sono aspetti etici di primaria importanza che potremmo gestire soltanto se collaboreremo a questa trasformazione e questo sarà molto importante. Come dico spesso, o ci occuperemo direttamente di governare il cambiamento digitale della medicina, oppure rischieremo di subirlo sul piano clinico di ricerca e lo ripeto
soprattutto sul piano etico. Questo significa, in poche parole, che tutti noi che lavoriamo in sanità dovremmo come minimo sviluppare delle competenze trasversali adeguate per poter prendere parte attivamente al dialogo in corso. Bene, dopo questa premessa che io ritengo molto importante, ecco i primi punti che voglio chiarire. Quindi, che cos'è l'intelligenza artificiale? Possono le macchine fare le stesse cose che fa un medico?
Perché queste tecnologie si sono sviluppate soltanto adesso? Le macchine, ormai lo sappiamo, possono fare molte cose che anche noi umani facciamo, con il vantaggio di farlo, in alcuni casi in maniera più veloce ed efficiente. Ma molte persone pensano ancora all'intelligenza artificiale in un modo un pochino troppo fantascientifico, ovvero pensano a quello che si definisce intelligenza artificiale generale. Non so se avete presente Hall 9000 di 2001, Odissea nello spazio.
Bene, quella è un'intelligenza artificiale generale, ovvero un'entità pensante che può potenzialmente dedicarsi ad ogni compito, dal parlare del più e del meno, sino a calcolare la rotta di un'astronave, un pochino come farebbe un super essere umano, molto, molto competente. In realtà l'intelligenza artificiale che è a nostra disposizione adesso ha a che vedere con utilizzi molto più limitati, ma perché molto più specifici.
Compiti super specialistici e per nulla generali, supportati da simulazione di ragionamento umano altrettanto specifici, basati sulla possibilità di apprendere dai grandi flussi di dati, ovvero sul concetto che tramite la presentazione di big data, dati eterogenei e poi poco organizzati.
Un concetto molto. In di boghe, in questo periodo di cui si parla molto, un sistema digitale appunto in grado di astrarre degli schemi, di classificare, di proporre delle interpretazioni che possono aiutare a capire fenomeni complessi come ad esempio quelli che osserviamo nei sistemi biologici e nelle malattie.
E in medicina ci sono specializzazioni che sono molto adatte ad essere aiutate dall'intelligenza artificiale, la radiologia e l'anatomia patologica nei loro aspetti diagnostici legati al riconoscimento. Riforme sono davvero. Un ottimo campo di azione dell'intelligenza artificiale, ma anche la psichiatria che come vedremo a sorpresa si può giovare enormemente dell'analisi del comportamento, del linguaggio e di molti altri parametri che non possono ad oggi essere oggettivati da un
operatore umano. Ci sono varie tipologie di intelligenza artificiale, come vedete nella slide, che si basano su varie metodologie. Abbiamo. Per parlare in termini molto generali le la regressione, ad esempio la clusterizzazione, le reti paesiani, le funzioni polinomiali, sino ad arrivare poi ai moderni concetti di machine learning e Deep learning.
Questo è appunto il campo generale dell'intelligenza artificiale, ma machine learning e Deep learning sono quelli che più di altri aiuteranno lo sviluppo della medicina di precisione. Il machine learning e il Deep learning sono sotto insiemi quindi specifici di intelligenza artificiale che si basano sul concetto di apprendimento tramite reti neuronali a diversi livelli di complessità di profondità. Come si dice il termine Deep learning proprio a questo si riferisce.
Ecco quindi spiegato anche il perché questi sottoinsiemi di intelligenza artificiale si sono sviluppati soltanto oggi. Perché solo da circa una decina di anni sono disponibili i flussi di dati, appunto i cosiddetti big data, che permettono di istruire in diversi campi i sistemi di intelligenza artificiale, dal marketing, all'economia, alla meteorologia e sino arrivare alla medicina. OK. Ed ecco che veniamo al concetto
di medicina di precisione. Ovvero di un approccio al paziente che per diventare concreto nella pratica clinica quotidiana si deve avvalere della raccolta e dell'analisi di grosse quantità di dati che provengono da cartelle cliniche elettroniche, dall'immagine digitale, dalla genetica e dalle discipline della proteomica, della trascrittomica, della Metabolomica, che sono concetti e aree di interesse molto
attuali. Come potete ovviamente immaginare, non tutte queste rilevazioni sono attualmente disponibili nella pratica clinica quotidiana e non sono facilmente implementabili dai medici, ma le prospettive sono reali, concrete e permetteranno di definire ogni caso clinico come unico, anche se assimilabile a un gruppo di riferimento a cui ci si si dedicherà per estrapolare poi
gli Stati di malattia specifici. Come potete ben immaginare, la crescita esponenziale di variabili cliniche relative a un dato paziente e rende le caratteristiche specifiche degli operatori sanitari umani poco efficaci nell'analizzarle. Ed è proprio qui che entra in gioco, diciamo, l'alleanza con alcune forme di intelligenza artificiale.
Diciamo il Deep Learning in particolare, che possono estrapolare strutture significative dai flussi di dati per definire lo stato di malattia di un paziente specifico. Ma c'è di più. Abbiamo infatti e altri importantissimi fonti di dati di grande valore medico sanitario. Sto parlando di una nuova area di studio che merita un discorso a parte, ovvero la fenotipizzazione digitale del paziente. Ma di cosa si tratta? Ecco, vediamo questa slide qui.
Entra in campo anche la mia disciplina specifica, ovvero la salute mentale, le neuroscienze, che da sempre ha una carenza intrinseca di dati strumentali oggettivi per definire le persone e il loro disagio mentale, il loro comportamento, la come declinano, diciamo, la loro psicologia nel mondo reale. Che cos'è dunque questo digital fenotiping e perché è così importante per la medicina di precisione?
La paternità del termine digital fenotype è contesa tra vari ricercatori, tra cui quello che vedete nella Slide Uca Peka onnella, che ha definito in realtà, prima di altri questo campo di studi multidisciplinare come la quantificazione, momento per momento, del fenotipo umano a livello individuale.
Usando i dati che provengono da dispositivi digitali personali, tipicamente uno smartphone, lo smartwatch digitali e smartband o vari oggetti della Internet of things o Internet of Medical things, cioè Internet delle cose e Internet delle cose, applicato
specificatamente alla medicina. Quindi stiamo parlando di un flusso continuo di dati proveniente dai sensori di uno smartphone, ad esempio accelerometri sensori sonori, riconoscimento del linguaggio o delle modalità di interazione con lo schermo, oppure da quelli di un orologio da cui possiamo ottenere ECG in pendenziometro, misurazione del ph della cute. O da svariati altri sensori che possono generare un flusso
continuo di dati assimilabili. Quindi è una sorgente di big data personale che vanno analizzati da algoritmi di intelligenza artificiale per definire in maniera molto più oggettiva un certo stato di malattia psicofisica.
Quindi. Psichiatria, neurologia, cardiologia, pneumologia, ma molte altre specialità mediche potranno giovarsi in brevissimo tempo, una volta risolte chiaramente le non semplici questioni di privacy, etica e gestione dei dati clinici sensibili, aspetto veramente nodale, questo, dicevo, potranno giovarsi del digital fenotiping come arma finale a bassissimo impatto economico, per la medicina di precisione, appunto. Ecco l'ultima Slide, Eh, questa
qua che voglio presentare. E infatti veniamo adesso a un punto finale importante, anzi importantissimo. Qual è il ruolo degli operatori umani in tutto questo scenario? Che, lo voglio ripetere, potrebbe benissimo essere messo in atto nella pratica clinica anche oggi, anche oggi stesso, OK? Bene, alcune correnti di pensiero che manifestano forte resistenza agli avanzamenti digitali in medicina tendono a proporre spesso un modello definibile come macchine contro esseri umani.
Questo discorso non regge, non è solo irrealistico, ma sarebbe anche poco efficace sul piano pratico. Ci sono alcune funzioni degli esseri umani che per davvero molti anni non saranno replicabili o sostituibili facilmente, come ad esempio la creatività, l'empatia. O la competenza relazionale stessa, che veramente dovrebbe essere una delle caratteristiche chiave del lavoro del medico.
Quindi in un lavoro come quello medico sanitario, l'obiettivo è quello di affiancare esseri umani e macchine, per così dire, per creare un sistema di diagnosi e terapia che possa utilizzare il meglio dei due mondi. E significa una medicina di precisione supervisionata tramite gli insostituibili aspetti della creatività, dell'etica e del buon senso. Anche, lasciatemi dire, restituite poi alle persone dagli esseri umani mediante empatia e competenza nella relazione.
E non dimentichiamolo mai, lo voglio ripetere, sono un aspetto chiave del prendersi cura degli altri. E le macchine su questo possono farci ben poco. Bene, questo nuovo modo di lavorare in cui gli umani sono aiutati dalle macchine, nell'analisi di nuove categorie di dati clinici viene definito medicina aumentata.
E come c'è stato il suono endoscopio, poi raggi X, la risonanza e via di seguito, sino ad arrivare ad un algoritmo che, lo voglio ripetere, non si sostituisce al medico ma analizza flussi di dati clinici impossibili da interpretare per noi umani e che ci verranno in aiuto per diagnosticare meglio e trattare meglio sulla base delle caratteristiche specifiche di
ogni individuo. Voglio dire, l'algoritmo diventerà semplicemente un'altro strumento che potrà aiutare gli operatori sanitari nel loro preziosissimo lavoro di insieme agli altri esseri umani e pazienti. Bene, direi che ho finito. Grazie davvero per la vostra attenzione. Se siete interessati a questi argomenti e alle neuroscienze, vi invito a seguirmi sui miei canali social e concludo con un caro saluto da Valeria rosso.