Predire il rischio clinico: l'Intelligenza Artificiale al servizio del paziente

L'IA ha il potere di trasformare il modo in cui i pazienti vengono diagnosticati e curati e di rendere più efficiente ed efficace il test di nuove procedure mediche. È la relazione simbiotica tra l'uomo e la macchina che porta la magia dell'IA alla medicina in modo significativo.

ORA ABBIAMO GLI STRUMENTI PER FARE UN'ENORME DIFFERENZA NELLA VITA UMANA.

Entro il 2027, ci si aspetta che il valore dell'IA nel mercato sanitario aumenti di 8 volte rispetto al 2022 (The Economist, https://www.economist.com/films/2022/02/15/the-future-of-medical-ai).

Non si tratta più di fantascienza, l'AI sta trasformando l'Assistenza Sanitaria.

L’IA sta diventando sempre più sofisticata nel fare ciò che fanno gli esseri umani, ma in modo più efficiente, più rapido e a un costo inferiore. Il potenziale per l'IA nel settore sanitario è vasto: dall’analisi dell’imaging medico alla medicina di precisione, passando per la telemedicina e l’analisi diagnostica predittiva. Proprio come nella nostra vita quotidiana, l'IA fa sempre più parte del nostro ecosistema sanitario.

In particolare, la valutazione del rischio clinico è una pratica adottata nel settore sanitario per identificare possibili attività di intervento precoce, al fine di analizzare rapidamente il quadro clinico dei pazienti, soprattutto al pronto soccorso o in condizioni di terapia intensiva.

La possibilità di predisporre un sistema di Early Warning Score (EWS) che indichi l’insorgenza di eventi patologici o condizioni gravi può dunque essere utile per i medici e gli operatori sanitari al fine di delineare una visione globale dello stato del paziente, ottenere informazioni per una cura più efficace ed intraprendere decisioni valide sulla scelta terapeutica. In questo scenario particolare, la stima del rischio clinico di un paziente può essere considerata un compito di analisi predittiva.

Gli approcci basati sull’IA possono rappresentare potenti strumenti come sistema di supporto alle decisioni in condizioni di incertezza delle informazioni a disposizione.

 

Il lavoro di ricerca, svolto dall’Innovation Lab di Exprivia, contiene i risultati di un progetto finalizzato allo sviluppo di un sistema on Edge in grado di fornire una valutazione precoce di rischio clinico anche in presenza di un ridotto numero di parametri vitali.

L’Internet of Medical Things a supporto dell’Edge Computing

La nuova generazione di funzionalità di IA consentirà di integrare una mole ancora maggiore di dati sanitari in questi sistemi, contribuendo alla rilevazione dei modelli che puntano su potenziali problemi. Uno dei maggiori potenziali vantaggi dell'IA è aiutare le persone a rimanere in buona salute in modo che non abbiano bisogno di un medico, o almeno non così spesso. L'uso dell'IA e dell'Internet of Medical Things (IoMT) nelle applicazioni per la salute dei consumatori sta già aiutando le persone.

In questa visione, i sensori indossabili connessi abilitati dall’IoMT, con l’obiettivo di incrementare l’affidabilità delle diagnosi, garantiscono una continua raccolta di dati e un’analisi adattiva all’evoluzione delle condizioni del paziente.

Di conseguenza, in un contesto clinico e operativo, l’obiettivo di ricerca che Exprivia si pone è quello di sviluppare soluzioni integrate per un’assistenza continua in cui l’AI e l’IoMT sono utilizzati all’Edge della rete, con un approccio incentrato sulle persone che si adatta ed evolve in base alle esigenze degli operatori sanitari, invocando un “sistema in continua evoluzione”.

La soluzione ideata da Exprivia considera un dispositivo Edge, connesso ad uno o più dispositivi medici indossabili tramite IoMT, che sfrutti il modello di Machine Learning (ML) più performante per prevedere un rischio clinico simile ad un EWS, secondo:

• i parametri vitali disponibili del paziente, opportunamente rilevati da uno o più dispositivi medici;
• uno specifico protocollo EWS con tre livelli di rischio (come il NEWS2[1], ovvero rischio basso-medio-alto) che guida la frequenza del monitoraggio e il livello di cura;
• le condizioni del paziente mappate su due impostazioni di rischio distinte e più facili da classificare, al fine di distinguere correttamente tra un setting di triage e uno scenario di emergenza.

L’innovativo approccio di Exprivia per prevedere il rischio clinico in evoluzione e spiegabile

Nel Paper consultabile, pubblicato nella rivista internazionale Evolving Systems (Evolving and explainable clinical risk assessment at the edge | SpringerLink), Exprivia esegue uno studio approfondito volto ad analizzare le condizioni generali per sfruttare il modello ML più efficace, sia in termini di metriche prestazionali che di efficienza computazionale all’Edge, capace di prevedere la classe di rischio clinico dei pazienti monitorati nella particolare condizione in cui è disponibile un numero limitato di parametri vitali.

Infine, se l’integrazione di AI e IoMT promuove lo sviluppo di un’ampia gamma di potenziali applicazioni nell’area dell’eHealth, allo stesso tempo emerge una questione etica sulla mancanza di trasparenza e spiegazione nelle procedure predittive e algoritmiche black-box. Per queste ragioni, le tecniche di rappresentazione della conoscenza con una tassonomia in Ontology Web Language (OWL) sono impiegate per rendere maggiormente interpretabile il risultato predittivo, in una prospettiva che richiama al Semantic Web of Things (SWoT). In questo modo, le spiegazioni integrate con la conoscenza clinica del personale sanitario possono essere utilizzate per generare ulteriori preziose informazioni e indirizzare ancor più efficacemente il percorso di cura.

Con il potere dell'IA, possiamo inseguire l'ignoto. E possiamo garantire che troveremo qualcosa che nessuno si aspettava.

La promessa dell'IA nell'assistenza sanitaria e nelle scienze della vita è profonda. Ha il potenziale per aiutare medici e ricercatori a prevenire malattie, accelerare il recupero e salvare vite sbloccando dati complessi. Può anche liberarli da compiti banali, in modo che possano concentrarsi sui loro pazienti o sulla ricerca.

 

 

[1] https://www.mdcalc.com/national-early-warning-score-news-2