5 applicazioni di IA dei migliori ospedali americani

L’intelligenza artificiale (IA) sta dimostrando i suoi vantaggi anche negli ospedali. Su Tech Emergence è stata condotta un’analisi sul tipo di applicazioni di IA adottate dai migliori ospedali americani. L’analisi si è basata sulla classifica dei migliori ospedali redatta nel report “Best Hospitals Honor Roll” di U.S. News and World Report.

Anche se queste tecnologie di IA sono relativamente nuove, stanno già facendo la differenza in diversi casi. Vediamo allora quali sono queste 5 applicazioni di IA dei 5 migliori ospedali USA.

 

1. Mayo Clinic

Nel gennaio 2017, il Mayo Clinic’s Center for Individualized Medicine ha stretto un accordo con Tempus, una startup che si occupa di sviluppo di cure personalizzate attraverso una piattaforma di IA. Tempus effettua il sequenziamento e l’analisi molecolare per 1.000 pazienti del Mayo Clinic coinvolti in studi per l’immunoterapia.

I ricercatori di Tempus si concentrano su diversi tipi di cancro: ai polmoni, alla vescica, al seno, il melanoma e il linfoma. Al momento il loro obiettivo è usare i risultati delle analisi per aiutare i pazienti del Mayo Clinic ad essere più informati sulle possibilità dei trattamenti personalizzati.

“Il sacro Graal che stiamo cercando, e che Tempus sta attivamente provando a costruire, è una biblioteca di dati abbastanza grande che questi modelli possano diventare una terapia, il che significa che puoi iniziare a dire ‘Le persone che hanno questa particolare mutazione non dovrebbero prendere questo farmaco, le persone che hanno questa particolare mutazione dovrebbero prendere questo farmaco.'” – Eric Lefkofsky, cofondatore e CEO di Tempus

Il Mayo Clinic, nel marzo 2017, ha stretto anche un’altra partnership con Omron Healthcare, produttore di dispositivi medici, con il quale ha investito 30 milioni di dollari nella startup AliveCor. Quest’ultima ha progettato Kardio Pro, una piattaforma di IA che permette il monitoraggio della salute dei pazienti a cui è stata diagnosticata precocemente la fibrillazione atriale, un’alterazione del ritmo cardiaco.

Ma il prodotto principale di AliveCor è Kardia Mobile, un piccolo dispositivo portatile in grado di effettuare l’elettrocardiogramma e di inviare i risultati sullo smartphone. Il tutto in soli 30 secondi.

 

2. Cleveland Clinic

Nel settembre 2016 Microsoft annunciò la collaborazione con la Cleveland Clinic per “identificare potenziali pazienti a rischio affidati all’unità di terapia intensiva“. I ricercatori hanno adottato Cortana, l’assistente digitale di Microsoft, per fare analisi avanzate e predittive.

Cortana è stata integrata nel sistema eHospital della Cleveland Clinic. L’eHospital è una sorta di centro di comando che oggi monitora “100 letti in 6 unità di terapia intensiva“, dalle 19:00 alle 7:00.

La partnership tra Microsoft e la Cleveland Clinic è focalizzata sull’identificazione di pazienti ad alto rischio di arresto cardiaco. I dati raccolti dalle unità di terapia intensiva vengono memorizzati nel database Azure SQL di Microsoft, un database basato sul cloud, progettato per gli sviluppatori di applicazioni.

Nel sistema vengono inseriti anche i parametri vitali dei pazienti e i dati di laboratorio. Attraverso questi dati vengono costruiti dei modelli computerizzati utili per l’IA e le analisi predittive.

 

3. Massachusetts General Hospital

Nell’aprile 2016 NVIDIA annunciò una collaborazione con il Massachusetts General Hospital Clinical Data Science Center. Quest’ultimo fa da fulcro per le applicazioni di IA per “il rilevamento, la diagnosi, il trattamento e la gestione delle malattie“.

La tecnologia principale a cui fanno affidamento è la NVIDIA DGX-1, un “supercomputer per l’apprendimento profondo” installato nel Massachusetts General Hospital.

L’ospedale ha un database di 10 miliardi di immagini mediche. Un buon punto di inizio per l’addestramento di un supercomputer con cui sviluppare applicazioni per la radiologia e la patologia.

“Se potessimo in qualche modo catturare dati rilevanti con un metodo molto strutturato, accurato, ripetitivo e granulare, rimuoveremmo quel carico dal medico. Il medico è più felice, facciamo risparmiare soldi al paziente e otteniamo il tipo di dati di cui abbiamo bisogno per fare il lavoro di svolta dell’IA.” – Will Jack, cofondatore e CEO di Remedy Health

 

4. Johns Hopkins Hospital

Nel marzo 2016 il Johns Hopkins Hospital annunciò il lancio di un centro di comando ospedaliero che adotta l’analisi predittiva per supportare un flusso operativo più efficiente. L’ospedale ha collaborato con GE Healthcare Partners per costruire il Judy Reitz Capacity Command Center che riceve 500 messaggi al minuto e raccoglie dati da 14 sistemi diversi dell’ospedale leggibili da 22 monitor touch ad alta risoluzione.

Sono ben 24 gli impiegati al centro di comando. I loro compiti sono 3: individuare e mitigare i rischi, dare priorità alle attività a beneficio di tutti i malati e innescare interventi per accelerare il flusso di pazienti. Da quando è stato avviato il centro di comando, il Johns Hopkins ha riportato un miglioramento del 60% nella capacità di ricoverare pazienti “con complesse condizioni mediche” provenienti dalla regione circostante e dal paese in generale.

Anche le partenze delle ambulanze sono diventate più veloci, insieme alle assegnazioni dei letti nel dipartimento di emergenza (+30%). Infine, c’è stato un aumento del 21% delle dimissioni dei pazienti prima di mezzogiorno. Questo è un notevole miglioramento della gestione del flusso dei pazienti: un vantaggio per loro e per i medici davvero importante.

 

5. UCLA Medical Center

Nel marzo 2017 i ricercatori dell’UCLA, il dottor Edward Lee e il dott. Kevin Seals, hanno presentato il progetto del loro Virtual Interventional Radiologist (VIR) alla conferenza annuale Society of Interventional Radiology. Si tratta di un chatbot, che “comunica automaticamente con i medici di riferimento e fornisce rapidamente risposte comprovate alle domande frequenti“.

Al momento una piccola squadra dell’UCLA sta usando il primo prototipo di VIR ed è composta da medici ospedalieri, oncologi radioterapisti e radiologi interventisti. L’applicazione guidata dell’IA fornisce al medico di riferimento la possibilità di comunicare al paziente informazioni sul trattamento radiologico e sulle fasi successive, tutto in tempo reale.

Le risposte di VIR non si limitano al solo testo scritto, ma includono anche siti web, infografiche e programmi personalizzati. Il suo funzionamento è basato sull’elaborazione del linguaggio naturale del sistema di IA di IBM Watson. Nel caso in cui VIR non possa fornire una risposta adeguata ad una particolare ricerca, il chatbot trasmette al medico di riferimento le informazioni di contatto di un radiologo interventista.

Inoltre, nel marzo 2016 i ricercatori universitari dell’UCLA hanno pubblicato uno studio su Nature Scientific Reports che descrive la combinazione di un microscopio con un programma di apprendimento profondo “per individuare le cellule cancerogene con il 95% di accuratezza“. Il microscopio fotonico produce immagini ad alta risoluzione ed è in grado di analizzare 36 milioni di immagini al secondo. L’apprendimento profondo aiuta poi nel “distinguere le cellule tumorali dalle cellule sane del sangue“.

 

IA e salute: si può fare, ma con cautela

Dalle iniziative adottate da questi 5 grandi ospedali americani emerge che sono 3 le applicazioni di IA più usate nel settore.

1. Analisi predittive: monitorare i pazienti e prevenire le emergenze prima che accadano analizzando i dati degli indicatori chiave.
2. Chatbot: automatizzare le indagini dei medici e indirizzare quest’ultimi verso lo specialista adeguato.
3. Indicatori predittivi della salute: monitorare la salute dei pazienti con la raccolta dati in tempo reale.

L’IA applicata nel settore ospedaliero, però, è un argomento delicato. Da una parte, alcuni medici non si sentono a loro agio nell’usare questi strumenti. Dall’altra, sono i pazienti a non volersi affidare totalmente a queste tecnologie perché non sanno come funzionano e perché preferiscono evitare di condividere ulteriori dati personali. Ciò ha un impatto notevole nel rallentare l’adozione dell’IA negli ospedali.

Sono barriere che ostacolano il progresso, ma non tutte sono negative. Per esempio, tutti vorremmo affidarci a tecnologie sicure non solo per la salute, ma anche per la privacy. L’ostacolo della condivisione dei dati ci fa riflettere su quanto ancora dovremmo lavorare sulla sicurezza di queste applicazioni.

È anche importante non farsi trascinare troppo dall’entusiasmo, come suggerisce anche Neil Jacobstein. Bisognerebbe rimanere scettici fin quando non si presentano risultati quantificabili e verificabili. Molte storie sulla nascita di tecnologie formidabili hanno una grande eco grazie ai media che sfruttano l’effetto “wow” iniziale. Dopodiché non se ne sente parlare più, forse perché la tecnologia non era poi così promettente o forse perché il progetto è fallito.

Questi 5 esempi, d’altronde, ci mostrano che le IA per la salute potranno rivelarsi molto utili se applicate in modo adeguato. Attualmente le applicazioni di IA di questi ospedali sono in fase di test. Il tempo e i risultati finali ci diranno quanto sono state efficaci e quanto potranno migliorare il lavoro dei medici e la salute dei pazienti.

Forse in futuro i medici si concentreranno solo su compiti più importanti e i pazienti beneficeranno di terapie più valide. Il grosso del lavoro lo svolgeranno i robot e le intelligenze artificiali.

Vuoi ricevere aggiornamenti sulle tecnologie digitali dirompenti? Iscriviti alla newsletter ed esplora l’evoluzione digitale!

Fonte: Tech Emergence
Immagine: Flickr