Medicina, la rivoluzione dell’Intelligenza Artificiale

Un gruppo di scienziati statunitensi ha insegnato a una rete neurale a leggere gli elettrocardiogrammi. Il risultato è che ora l’I.A. è in grado di individuare i pazienti a rischio di sviluppare aritmie fatali anche quando, per i medici, i risultati dell’esame sono nella norma e sa identificare i pazienti ad aumentato rischio di morte per qualsiasi causa entro un anno.
Romualdo Gianoli, 11 Novembre 2019
Micron
Micron
Giornalista Scientifico

Avere a disposizione una miniera di dati ma non poterli usare perché non si riesce a estrarli, non solo è inutile, ma addirittura frustrante, soprattutto quando si tratta di milioni di dati clinici accumulati lungo un arco temporale di decenni, che potrebbero salvare molte vite. È a questo punto che si rivelano di straordinaria utilità l’intelligenza artificiale e le reti neurali. E sono proprio questi gli strumenti usati da alcuni ricercatori della Pennsylvania che hanno addestrato un computer o, per meglio dire, reti neurali e strutture computazionali multilivello avanzate, ad analizzare e valutare gli elettrocardiogrammi (ECG) dei pazienti sottoposti a questo semplice esame di routine. Lo scopo? Prevedere quali tra questi pazienti avessero più probabilità di sviluppare aritmie cardiache anche quando, secondo i medici, i tracciati apparivano normali. Inoltre, i ricercatori hanno anche realizzato una rete neurale in grado di identificare i pazienti con aumentato rischio di morte per qualsiasi causa entro un anno.

LA POTENZA DELL’I.A. AL SERVIZIO DELLA MEDICINA
L’intento della ricerca è chiaro: sfruttare la potenza di calcolo dell’Intelligenza Artificiale per analizzare grandi quantità di dati e ottenere, così, uno strumento oggettivo in grado di individuare quei segnali ricorrenti (che possono sfuggire all’occhio dei medici ‘umani’) indicativi della possibilità di insorgenza di disturbi del ritmo cardiaco o, addirittura, di una possibile morte improvvisa. Secondo Brandon Fornwalt, autore principale di entrambi gli studi e direttore del Department of Imaging Science and Innovation al Geisinger Medical Center di Danville in Pennsylvania dove è custodito il grande archivio di dati, siamo di fronte a qualcosa di «eccitante, che fornisce una prova ulteriore del fatto che siamo all’inizio di una rivoluzione in medicina, dove i computer lavoreranno al fianco dei medici per migliorare le cure che possiamo offrire ai pazienti».

Ogni anno, durante la sessione dell’American Heart Association, medici e ricercatori da tutto il mondo presentano ai colleghi gli ultimi avanzamenti nel campo delle scienze cardiovascolari. Quest’anno l’incontro si terrà dal 16 al 18 novembre a Philadelphia e sarà l’occasione per proporre i risultati dei due studi condotti dai ricercatori della Pennsylvania. Studi nei quali sono stati usati più di 2 milioni di ECG, raccolti in oltre 30 anni di registrazioni effettuate presso il Geisinger Health System della Pennsylvania/New Jersey. Gli autori delle ricerche sottolineano che siamo difronte a uno dei primi esempi di uso preventivo dell’Intelligenza Artificiale. In altre parole è uno dei primi casi in cui la lettura approfondita di un elettrocardiogramma viene usata per predire eventi futuri legati allo stato di salute, piuttosto che per individuare problemi attuali.

DEEP LEARNING E SALUTE CARDIACA
Per arrivare a questo risultato i ricercatori sono partiti dall’ipotesi che un modello di apprendimento profondo potesse predire quelle particolari irregolarità del ritmo cardiaco conosciute come fibrillazioni atriali, prima del loro svilupparsi. Si tratta di un tipo di aritmia particolarmente importante, perché si associa a un elevato rischio di ictus e infarto. Così, i ricercatori hanno esaminato più di un milione di ECG provenienti da oltre 237.000 pazienti nei quali non era stata riscontrata la presenza di fibrillazione, sottoponendoli a un hardware altamente specializzato, realizzato per allenare una rete neurale ad analizzare 15 segmenti di dati (pari a circa 30.000 valori puntuali) per ogni ECG. Da questa analisi così estesa e approfondita è risultato che, all’interno dell’1% di pazienti a maggior rischio, così come aveva previsto la rete neurale, a uno su tre era stata in seguito diagnosticata la fibrillazione atriale entro un anno. Il modello, inoltre, dimostrava una notevole capacità previsionale valida anche sul lungo termine, dal momento che i pazienti individuati a rischio di sviluppare fibrillazione atriale entro un anno, mostravano un rischio del 45% maggiore rispetto agli altri pazienti di sviluppare la fibrillazione in un follow-up di 25 anni.

Come sottolinea Christopher Haggerty, un altro degli autori della ricerca, «al momento ci sono metodi limitati per identificare quali pazienti svilupperanno la fibrillazione atriale entro il prossimo anno ed ecco perché, molte volte, il primo segno di una fibrillazione è un ictus». È ovvio, dunque, che avere tecniche in grado di scoprire con anticipo una potenziale fibrillazione atriale così da prevenire ictus e infarti, è qualcosa di «assolutamente straordinario – come sottolinea Jennifer Hall dell’American Heart Association – e l’apprendimento profondo delle reti neurali è uno strumento eccezionale».

MACHINE LEARNING E MORTI IMPROVVISE
Nell’altro studio condotto, quello sull’individuazione dei pazienti con maggiore probabilità di morire per qualsiasi causa entro un anno, i ricercatori hanno invece analizzato i risultati di 1,77 milioni di ECG e altri parametri di quasi 400.000 pazienti. Questi dati sono stati usati per mettere a confronto i modelli basati sul Machine Learning (ottenuti dall’analisi diretta dei dati grezzi degli ECG o da misure aggregate di derivazione umana, cioè le caratteristiche standard degli ECG tipicamente registrate da un cardiologo), con modelli di malattie comunemente diagnosticati. Da questo confronto è risultato che il modello elaborato dalla rete neurale che ha analizzato direttamente i segnali ECG è superiore nel prevedere il rischio di morte a un anno.

Sorprendentemente, la rete neurale è stata in grado di prevedere con precisione il rischio di morte anche in pazienti i cui ECG erano stati giudicati nella norma da un medico. Come controprova è stato chiesto a tre cardiologi di esaminare separatamente gli ECG che erano stati considerati normali alla prima lettura e questi, generalmente, non sono stati in grado di riconoscere i modelli di rischio rilevati, invece, dalla rete neurale. Secondo Fornwalt e gli altri ricercatori: «Questa è la scoperta più importante di questo studio e potrebbe cambiare completamente il modo in cui interpreteremo gli ECG in futuro».

Sebbene le grandi dimensioni del database del Geisinger Center siano il principale punto di forza di entrambi gli studi, gli autori sono consapevoli che i risultati ottenuti dovrebbero essere testati anche in altri siti e su altri database clinici. Ciò permetterebbe di aumentare l’affidabilità dei risultati ricavati e di ottenere un metodo che, secondo Sushravya Raghunath, tra gli autori del secondo studio, «sarebbe semplice da incorporare nell’analisi di routine dell’ECG, mentre sviluppare piani di assistenza adeguati per i pazienti sulla base delle previsioni del computer, sarebbe una sfida certamente più grande». E, se su questo non ci sono dubbi, di una cosa possiamo essere ragionevolmente sicuri: che forse non dovremo aspettare troppo per raggiungere quest’obiettivo. D’altra parte non sono forse in commercio già ora dispositivi elettronici da polso in grado di avvisarci di problemi cardiaci? Forse il futuro è meno lontano di quanto pensiamo.

Commenti dei lettori


Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

    X