Secondo un articolo pubblicato sulla rivista Clinical Pharmacology and Therapeutics, un sistema di intelligenza artificiale - sviluppato dai ricercatori di Google e dell'Università della California a San Francisco - anticipa le decisioni di prescrizione di un medico in modo più accurato nel 75% dei casi.

Takeaway

• Un sistema di intelligenza artificiale è stato in grado di prendere decisioni accurate per le prescrizioni farmacologiche nel 75% dei casi.
• I ricercatori stanno “addestrando” un sistema di AI in grado di effettuare prescrizioni mediche in modo accurato, imparando dai medici stessi.
• Prossima fase della ricerca: esaminare in quali circostanze questi modelli sono utili per trovare errori terapeutici che potrebbero danneggiare i pazienti

L’intelligenza artificiale di Google segna un altro passo in avanti in campo medico. Secondo un articolo pubblicato sulla rivista Clinical Pharmacology and Therapeutics, un sistema di intelligenza artificiale – sviluppato dai ricercatori di Google e dell’Università della California a San Francisco – è stato in grado di prendere decisioni accurate per le prescrizioni farmacologiche nel 75% dei casi.

«Nessun medico, infermiere o farmacista desidera commettere un errore che danneggi un paziente; tuttavia, la ricerca mostra che il 2% dei pazienti ricoverati subisce gravi incidenti legati all’uso dei farmaci che possono – in taluni casi – anche essere potenzialmente letali o causare danni permanenti», scrivono nel blog di BigG la scienziata Kathryn Rough e il dottor Alvin Rajkomar di Google Health. «Tuttavia, determinare quali farmaci sono appropriati per un determinato paziente in un dato momento è complesso: medici e farmacisti si allenano per anni prima di acquisire l’abilità».

I ricercatori stanno quindi cercando di “addestrare” un sistema di intelligenza artificiale in grado di effettuare prescrizioni mediche in modo accurato, imparando dai medici stessi.

Va infatti precisato che i modelli addestrati da Google, ad oggi, sono in grado di riprodurre il comportamento e le decisioni dei medici (con un’accuratezza che varia dal 55% al 93%, quindi con un margine di errore che, in taluni casi, è ancora elevato) e si basano si dati statistici. Il sistema di intelligenza artificiale di Google, in altre parole, non ha ancora imparato modelli di prescrizione ottimali, così come non è ancora in grado di definire come potrebbero funzionare i farmaci prescritti o quali effetti collaterali potrebbero verificarsi.

«Nella nostra prossima fase di ricerca, esamineremo in quali circostanze questi modelli sono utili per trovare errori terapeutici che potrebbero danneggiare i pazienti», scrivono i ricercatori.

L’intelligenza artificiale di Google per le prescrizioni mediche

Sulla rivista Clinical Pharmacology and Therapeutics sono riportati alcuni dettagli del funzionamento del sistema di intelligenza artificiale che Google ha messo a punto per lo specifico ambito delle prescrizioni mediche:

1. set di dati: il sistema di Google si è formato su un set di dati contenente circa tre milioni di ordini di farmaci provenienti da oltre 100mila ricoveri, utilizzando dati retrospettivi di cartelle cliniche elettroniche identificati da date che cambiano casualmente e rimuovendo parti della documentazione come nomi, indirizzi, dati di contatto, numeri di registrazione, nomi dei medici, note a testo libero, immagini, ecc. (in conformità con l’HIPAA, il regolamento sulla privacy ed il trattamento dei dati sensibili in vigore in California). I set di dati utilizzati non erano comunque limitati a malattie specifiche o particolari aree terapeutiche, questo per garantire che il modello potesse identificare una più ampia varietà di condizioni.
2. modelli di apprendimento: i ricercatori hanno utilizzato due modelli; il primo basato su una rete neurale ricorrente a memoria a lungo-breve termine (LSTM – long short-term memory recurrent neural network ) che ha imparato a modellare le dipendenze a lungo termine; il secondo invece è un modello logistico come il tipo comunemente usato nella ricerca clinica sulla salute.

Le prestazioni di ciascun modello sono state valutate confrontando le sue scelte con i farmaci effettivamente prescritti dal medico. Il più performante è risultato essere il modello basato su rete neurale ricorrente: il 93% delle sue prime 10 liste conteneva almeno un farmaco che sarebbe stato ordinato dai medici per il paziente in questione entro il giorno successivo. Nel 55% dei casi, il modello ha inserito correttamente i farmaci prescritti dal medico come uno dei primi 10 farmaci più probabili e il 75% dei farmaci ordinati è stato classificato tra i primi 25.

Scritto da:

Nicoletta Boldrini

Futures & Foresight Director | Direttrice Responsabile Tech4Future Leggi articoli Guarda il profilo Linkedin