Intelligenza artificiale, pro e contro della tecnologia che sta invadendo tutti i settori della sanità

Utile o pericolosa? Le posizioni degli esperti sull’intelligenza artificiale sono varie e divisive. La disponibilità di una tecnologia che potrebbe sostituire l’essere umano crea molte discussioni, soprattutto quando parliamo della sua attuazione nel mondo sanitario. Se, infatti, per la Società Italiana di Dermatologia e Malattie Sessualmente Trasmesse (SIDeMaST) rappresenta un “aiuto concreto nella diagnosi”, per la Società Italiana di Psichiatria (Sip) gli algoritmi “sono ancora poco affidabili e potenzialmente pericolosi”. Tuttavia, al di là di ogni allarme, sarebbe opportuno conoscerla e capire dove può essere utile e dove può essere anche di grande d’aiuto in processi ripetitivi, pericolosi o difficili per l’essere umano. Vediamo, quindi, i motivi delle differenti percezioni.

Per gli esperti della Sip, gli algoritmi dell’IA hanno ancora troppi difetti che li rendono poco affidabili. Possibili problemi anche con la protezione dei dati sensibili e sull'attribuzione delle responsabilità in caso di errore. "C'è in particolare un crescente interesse nel settore della salute mentale, nell'ambito del quale sono stati sviluppati e studiati numerosi algoritmi spiega la presidente Sip, Liliana Dell'Osso È dunque facile lasciarsi trascinare dall'entusiasmo, ma c'è ancora molta strada da fare prima che queste tecnologie possano dare il loro contributo nella pratica clinica". Al centro della discussione, una ricerca pubblicata su Italian Journal of Psychiatry e condotta da Antonio Vita, vicepresidente SIP che ha esaminato tre tipologie di algoritmi: il Natural Language Processing (NLP) che aiuta i computer a interpretare e manipolare il linguaggio umano, il machine learning alimentato da dati e da algoritmi affinché le macchine imparino e il deep learning che impiega le reti neurali, algoritmi progettati per imitare il cervello umano. "Per funzionare in modo ottimale, l'intelligenza artificiale richiede una grande quantità di dati spiega Vita da parametri neurobiologici a registrazioni audio-video fino a database nazionali. Le banche dati utilizzate non sono state create appositamente per questo scopo; dunque, potrebbero esserci carenze che riducono l'affidabilità dell'Intelligenza artificiale". Inoltre, l'uso dell'IA in campo clinico presenta anche problemi circa la responsabilità. "Attualmente manca una legislazione adeguata e in caso di errore dell'IA, non è chiaro chi dovrebbe essere ritenuto responsabile continua-. Raccogliendo dati sensibili e monitorando le attività quotidiane, gli studi affrontano il rischio di mettere a repentaglio la privacy dei soggetti". Nonostante i progressi, "ad oggi nessun metodo di intelligenza artificiale può dirsi pienamente promosso e adatto per essere utilizzato nella diagnosi, assistenza e cura dei pazienti", conclude.

Per la SIDeMaST, sono tre i campi in cui la dermatologia si serve dell’IA: diagnosi precoce dei tumori della pelle; valutazione oggettiva della gravità di malattia eliminando le suggestioni personali; possibilità di predire quale sarà la terapia migliore e con meno effetti avversi per ogni singolo paziente. Tutto questo, però, a patto che crei a tutti i livelli anche normativo una task force multidisciplinare dedicata alla formazione dei medici e di tutte le categorie interessate sull’uso consapevole ed informato dell’IA che, se non compresa e ben utilizzata, può diventare estremamente rischiosa. “Per essere in grado di poter beneficiare o ancora meglio di utilizzare l’ IA in modo attivo è necessario prima di tutto avere una formazione adeguata spiega Pietro Rubegni Direttore dell’UOC Dermatologia dell’Azienda ospedaliero-universitaria Senese e professore ordinario di Dermatologia dell’Università di Siena, relatore del 98esimo Congresso della SIDeMaST per ottenerla è importante organizzare e creare team multidisciplinari dove i giovani dermatologi si confrontano quotidianamente con biostatistici, bioingegneri e biologi”. Un ulteriore campo in via di sviluppo che vede protagonista l’IA è la metodica GAN (generative adversarial network): una tecnica che, utilizzando immagini reali delle manifestazioni patologiche consente di creare immagini verosimili, anche se “finte/sintetiche”: “In medicina i dati spesso sono pochi prosegue il professor Rubegni le GAN potranno aumentarli a dismisura consentendo, a partire ad esempio da 50 immagini di melanoma, di produrne centinaia, completamente verosimili e indistinguibili. Queste a loro volta potranno essere utilizzate per insegnare ai giovani o addestrare, attraverso ulteriori metodiche di IA, altri modelli per il riconoscimento automatico”. Ma, conclude l’esperto “poiché la maggior parte dei sistemi sanitari non ha oggi la capacità normativa per supervisionare e gestire questa tecnologia in rapida evoluzione, dobbiamo fare in modo di accompagnare la crescita dell’IA con delle norme che la contengano”.

Anna Capasso