Utilizzare l’apprendimento automatico per ottimizzare la definizione dei modelli predittivi e terapeutici per pazienti che hanno subito l’infarto. Un’innovazione tutta italiana, torinese per l’esattezza, che si attesta a rivoluzionare i reparti di cardiologia e che conferma la città piemontese, già scelta come sede dell’Istituto Italiano per l’Intelligenza Artificiale (I3A), centro innovativo strategico.
Quello tra intelligenza artificiale e ambito sanitario è un rapporto di collaborazione sempre più fertile, destinato a maturare ulteriormente negli anni a venire. L’applicazione della tecnologia alla diagnostica si è rivelata strategica in più di una sperimentazione: abbiamo trattato in precedenti articoli dell’impiego dell’AI per lo screening del tumore al seno, così come per l’individuazione dei pazienti positivi al Covid-19 nella ricerca di EPFL e in quella del MIT.
La ricerca torinese, diretta dal professor Gaetano Maria De Ferrari, è stata coordinata dalla Cardiologia Universitaria dell’Ospedale Molinette della Città della Salute di Torino e condotta in collaborazione al Dipartimento di Informatica dell’Università di Torino e al Dipartimento di Ingegneria Meccanica e Aerospaziale del Politecnico di Torino.
Pubblicato su The Lancet, lo studio sul nuovo sistema di classificazione dei rischi futuri per i pazienti cardiopatici si basa sul machine learning. Gli algoritmi di intelligenza artificiale permettono di costruire i modelli predittivi in base alle informazioni e alle relazioni ricavate dagli ampi database in possesso.
“Lo studio è una dimostrazione fortissima delle possibilità dell’Intelligenza Artificiale in medicina e in cardiologia in particolare.”
Professor Gaetano Maria De Ferrari
Per ovviare ai rischi a cui incorrono i pazienti che hanno subito infarto miocardico nei primi anni dopo le cure, i medici devono prendere in considerazione diversi fattori in funzione della possibilità di peggioramento e ai trattamenti in corso. La terapia viene quindi tradizionalmente definita in funzione dell’esperienza e della consultazione di analisi statistiche di rischio, purtroppo non sempre precise.
Gli algoritmi impiegati nella ricerca hanno invece permesso l’analisi di dati clinici inerenti a un bacino di pazienti piemontesi molto più ampio del solito e di individuare tra essi relazioni fondamentali altrimenti difficilmente identificabili. Sfruttando indicazioni e possibili combinazioni sui 23.000 soggetti esaminati attraverso i supercomputer di CINECA e di HPC4AI, è stato possibile ricavare informazioni preziose utili a definire strategie terapeutiche efficienti.
Mentre i punteggi di rischio rilevati con i dati statistici tradizionali hanno una precisione del 70% e un’incidenza di errore per tre pazienti su dieci, l’impiego del machine learning ottimizza le previsioni al 90% e riduce la possibilità di diagnosi scorretta sino a un paziente su dieci. Grazie alle stime ricavate con l’impiego dell’intelligenza artificiale in ambito sanitario risulta quindi possibile mettere in atto cure migliori per i pazienti di cardiologia e ottimizzare le prestazioni sanitarie.