Gentile Direttore,
nel vasto panorama delle applicazioni dell’Intelligenza Artificiale (A.I), contempliamo un orizzonte in cui la scienza teorica fornisce rapide applicazioni e soluzioni per le problematiche dell’attività clinica quotidiana. Un esempio è costituito dalla ricerca nel produrre farmaci antibiotici che fronteggino infezioni causate da microrganismi antibiotico resistenti, oramai sempre più diffuse e preoccupanti.
Diversi gruppi di ricerca, relativamente ai quali citiamo qualche fonte [1,2], si avvalgono di procedure computazionali per la progettazione e la scoperta di farmaci antibiotici. I ricercatori devono però, prima programmare i computer per ordinare le molte ambite caratteristiche delle molecole e poi determinare quali proprietà ottimizzino l’attività antimicrobica.
Modelli computazionali con Algoritmi specializzati nel gestire il paziente ricoverato si stanno inserendo sul mercato a livello internazionale (la rivista NEJM ne aveva prodotto a tal proposito anche un webinar).
Come avevo accennato in una precedente Lettera su QS, molti aspetti delle nuove tecnologie informatiche causano una sorta di diffidenza di parte della classe medica per l’insicurezza connessa sia alla incerta preparazione informatica (settore avulso dalla forma mentis classica del medico degli anni passati) sia in relazione alla competizione economica che verrebbe a prodursi nella differenza di costo, per i Sistemi Sanitari, tra quelli richiesti dal Medico e quelli della Macchina Informatica.
Se in alcune realtà gli ECG sono refertati digitalmente, ciò non ha finora provocato ondate di cardiologi disoccupati, ma al contrario ha consentito di dedicare più tempo e attenzione verso il malato.
Comunque, non possiamo ignorare che si verifichi l’eventualità concreta di un danno economico in taluni settori lavorativi.
Nell’ambito di alcuni contesti sanitari, le indagini radiologiche eseguite potrebbero essere inviate per la refertazione in altre nazioni, dove il costo del personale medico ha tariffe inferiori e magari, essendo il fuso orario diverso, senza il costo dell’indennità dovuta per il turno notturno se gli esami sono effettuati di notte.
Tra le perplessità che scaturiscono nei confronti di AI, potrebbe esserci anche il limite dell’aiuto fornito per valutare i casi rari e complessi, per cui magari non c’è stato il necessario apprendimento (Deep Learning) per strutturare gli algoritmi operativi computazionali.
Anche se si valorizza e si incrementa l’apprendimento delle Macchine Informatiche, non sembra che queste abbiano già curiosità e pensiero critico proprio: il ruolo del Medico, risulta ancora un elemento indispensabile e insostituibile.
Espongo un caso di mia personale osservazione verificatosi anni fa e in cui oggi potrebbe imbattersi
un Algoritmo Informatico in uso per la Refertazione Retinica automatizzata, come esempio per lo screening della retinopatia diabetica.
Sappiamo che le emorragie retiniche sono i primi segni di una malattia sistemica e procedere in modo tempestivo con le indagini è un punto cruciale per salvare il paziente.
Sei anni fa, un giovane paziente subiva un’improvvisa perdita della vista in un occhio, causata da una vasta emorragia retinica maculare. In anamnesi solo una stanchezza, attribuita allo stress quotidiano.
L’esame con strumento OCT della retina rivelava i dettagli del sanguinamento (Fig.1, in allegato). A questo punto, ho inviato urgentemente il paziente per una valutazione internistica ospedaliera, tramite la quale è stata scoperta una leucemia.
Grazie ai trattamenti il paziente oggi è in buona salute e l’occhio destro ha recuperato la vista.
Riflettendo, la Macchina (AI), sarebbe stata in grado di effettuare la diagnosi corretta?
L’aiuto della tecnologia probabilmente da solo non basta per trovare la soluzione.
Introduciamo un esempio pratico di come si intersechino le necessità pratiche e la ricerca di soluzioni, producendo una straordinaria sinergia tra il mondo della ricerca universitaria e una struttura sanitaria territoriale, quale può essere una ASL.
Si tratta di un Progetto intrapreso e strutturato sulla Radiologia di Pronto Soccorso della Asl TO 3. In questo contesto è necessario ricevere quanto prima le informazioni necessarie sia per la salute del paziente in osservazione sia per la salvaguardia dell’ambiente in cui si trovano i restanti pazienti e il personale sanitario.
“Corsa” è un progetto svolto insieme all’Università di Torino (Dipartimento di Informatica), Regola S.r.l. e l’AOU Città della Salute e della Scienza di Torino. Lo scopo è addestrare un’Intelligenza Artificiale affinché, analizzando una Rx torace, restituisca una probabilità di infezione covid (alta o bassa). In questo modo possiamo prioritizzare la visione dell’esame al radiologo del Pronto Soccorso e ridurre in questo modo il tempo in cui un possibile paziente COVID non è isolato.
Velocizzare talune procedure e renderle più affidabili nei risultati si traduce, in primo luogo, in importanti vantaggi per i pazienti e per gli operatori sanitari e, in secondo luogo, in una riduzione dei costi di gestione del percorso di diagnosi e cura, contribuendo ad un sempre più indispensabile efficientamento del sistema in termini di sostenibilità del SSN.
Gianni Zuccheri
Medico oculista
Davide Minniti
Direttore Sanitario della ASL TO 3
Bibliografia:
- Farha MA, French S, Brown ED. Systems-Level Chemical Biology to Accelerate Antibiotic Drug Discovery. Acc Chem Res. 2021 Apr 20;54(8):1909-1920. doi: 10.1021/acs.accounts.1c00011. Epub 2021 Mar 31. PMID: 33787225.
- An AY, Choi KG, Baghela AS, Hancock REW. An Overview of Biological and Computational Methods for Designing Mechanism-Informed Anti-biofilm Agents. Front Microbiol. 2021 Apr 13;12:640787. doi:
10.3389/fmicb.2021.640787. PMID: 33927701; PMCID: PMC8076610.
Nota ASL TO3, sono i Coordinatori del progetto CORSA i Dr.i: Matteo Ballesio, Marta Alessina e Michele Presutti.
