Il Machine Learning (ML) è una branca dell'intelligenza artificiale che insegna ai computer ad accedere ai dati per migliorare la propria programmazione, senza alcun intervento umano. Il Machine Learning offre svariati vantaggi in diversi settori industriali; tuttavia, le sue applicazioni in ambito sanitario si sono rivelate rivoluzionarie. Esso assiste i professionisti sanitari lungo l'intero percorso clinico del paziente, dalla diagnosi alla cura. Il Machine Learning è ormai divenuto una componente cruciale del settore sanitario.

Grazie all'ausilio del ML, il settore sanitario è in grado di diagnosticare le patologie e curarle con maggiore rapidità. Di seguito, esploreremo alcune applicazioni concrete del Machine Learning in ambito sanitario, analizzandone i relativi benefici.

Applicazioni reali del Machine Learning e i loro benefici per il settore sanitario:

• Il progetto InnerEye di Microsoft
• L'Interrogative Biology di BERG
• Watson di IBM e Pfizer
• Il Clinical Machine Learning Group del MIT
• PathAI
• prognosFACTOR
• Il sistema iLet Bionic Pancreas di Beta Bionics
• MD Insider

Il progetto InnerEye di Microsoft:

Applicazione del Machine Learning nel settore sanitario:

Questa tecnologia contribuisce all'individuazione di tumori cancerosi all'interno dell'organismo. Una volta operativo, InnerEye elabora i dati a sua disposizione, estraendone informazioni significative. È in grado di analizzare PET, risonanze magnetiche e TAC, determinando le dimensioni e il volume del tumore, nonché la relativa prognosi.

InnerEye favorisce una diagnosi rapida della patologia. Inoltre, aiuta a stabilire se un determinato trattamento risulti efficace per il paziente.

I benefici per il settore sanitario:

Iniziative come il progetto InnerEye di Microsoft si concentrano sullo sviluppo di strumenti per la diagnostica per immagini. Tali soluzioni accelerano il processo di diagnosi delle malattie attraverso l'analisi delle immagini, offrendo un valido supporto ai professionisti del settore sanitario.

La Biologia Interrogativa di BERG:

Applicazione del Machine Learning in ambito sanitario:
La "Interrogative Biology" di BERG è una piattaforma di intelligence volta alla mappatura delle malattie terminali. L'Interrogative Biology consente ai professionisti di sviluppare trattamenti innovativi basati sulla biologia specifica del paziente.

La piattaforma, avvalendosi dell'IA bayesiana, identifica e caratterizza un isoenzima E2 all'interno del Sistema Ubiquitina-Proteasoma, basandosi su specifici tratti della composizione genetica. Essa mira inoltre a valutare gli effetti del BPM31510 sui tumori solidi e a correlare eventuali effetti avversi a specifici indicatori o caratteristiche biologiche.

I benefici per il settore sanitario:
Nel 2020, BERG ha depositato una domanda di brevetto relativa all'applicazione dell'isoenzima E2, un enzima facente parte dell'UPS (Sistema Ubiquitina-Proteasoma). Secondo il Dott. Niven R. Narain — co-fondatore, Presidente e CEO di BERG — l'obiettivo è sfruttare le scoperte derivanti da tali studi a livello molecolare, le quali hanno già fornito un contributo significativo sia nei trattamenti oncologici che in quelli non oncologici.

L'Interrogative Biology di BERG utilizza il machine learning per gestire vasti set di dati; ciò consente di prevedere con facilità l'efficacia dei trattamenti e di fornire un supporto concreto ai pazienti. La piattaforma si dedica inoltre allo studio dei disturbi legati all'invecchiamento, ricercando strategie per contrastarli attraverso un'alimentazione adeguata e l'esercizio fisico.

IBM Watson e Pfizer:

Applicazione del Machine Learning nel settore sanitario:
IBM Watson, una tecnologia basata sull'intelligenza artificiale, e Pfizer, l'azienda farmaceutica, hanno avviato una collaborazione nel 2016. L'obiettivo di Pfizer era utilizzare IBM Watson per condurre ricerche in ambito immuno-oncologico. L'azienda riteneva di poter sfruttare IBM Watson per sviluppare farmaci in grado di potenziare il sistema immunitario nella lotta contro il cancro.

I benefici per il settore sanitario:
Nel 2018, secondo quanto riportato da FierceBiotech, Pfizer ha stretto una partnership con Xtalpi — un'azienda biotech cinese specializzata in intelligenza artificiale — e sta lavorando alla progettazione di farmaci e alla loro sperimentazione a livello molecolare.

IBM Watson for Oncology utilizza le informazioni cliniche dei pazienti per supportare i professionisti sanitari nell'individuazione dei trattamenti oncologici più efficaci. Il sistema si avvale di algoritmi di Machine Learning addestrati da esperti del settore; analizza le specifiche condizioni cliniche di ciascun paziente e suggerisce terapie mirate.

Il Clinical Machine Learning Group del MIT:

Applicazione del Machine Learning in ambito sanitario:
Il Clinical Machine Learning Group del MIT è un'associazione di esperti specializzati in Machine Learning (ML) e sanità. Il gruppo utilizza il ML per comprendere il suo ruolo nella gestione delle emergenze mediche reali e per superarne le relative sfide.

Il gruppo ha adottato un approccio di modellazione basato sulle serie temporali multivariate per valutare e prevedere i dati clinici nei casi di emergenza e nelle unità di terapia intensiva (UTI). In questo contesto, anziché formulare ipotesi basandosi esclusivamente sulle somiglianze tra le condizioni dei pazienti, essi sfruttano le correlazioni esistenti sia tra diverse serie temporali, sia all'interno delle singole serie stesse.

I benefici per il settore sanitario:
Recentemente, il Clinical Machine Learning Group del MIT si è unito al team "MIT Emergency Ventilator", impiegando algoritmi e tecniche di ML per far fronte alla carenza di ventilatori polmonari causata dalla pandemia di COVID-19, attraverso la condivisione dei dispositivi tra più pazienti.

Il gruppo ha utilizzato il ML per individuare le correlazioni rilevanti e applicarle alla progettazione di sistemi di ventilazione multipla, rendendo poi tale progetto disponibile su una piattaforma open source.
Attualmente, il gruppo è impegnato nello studio di metodi per ridurre l'uso inappropriato di antibiotici nel trattamento delle infezioni del tratto urinario (ITU), avvalendosi ancora una volta di algoritmi di ML.

Un recente studio ha inoltre consentito al gruppo di sviluppare dei "grafi della conoscenza sanitaria" (health knowledge graphs) destinati all'elaborazione informatica. Tali grafi permettono ai sistemi informatici di identificare specifici comportamenti e condizioni cliniche nei pazienti affetti da patologie. Ciò consente ai computer di individuare e definire schemi utili sia per il riconoscimento delle malattie, sia per la formulazione delle diagnosi.

PathAI

Applicazione del Machine Learning in ambito sanitario:
PathAI utilizza tecnologie basate sull'intelligenza artificiale per diagnosticare le malattie. Sta sviluppando una tecnica di Machine Learning in grado di risolvere problematiche in patologia. I suoi modelli patologici basati sull'IA sono stati utilizzati in studi clinici di fase 2 e fase 3 per il virus dell'epatite B.

Ha inoltre utilizzato l'analisi basata sul Machine Learning dei dati dei pazienti provenienti da uno studio di fase 2b su diverse terapie per la fibrosi avanzata (F3-F4) dovuta a NASH.

I suoi vantaggi nel settore sanitario:
PathAI ha recentemente lavorato su tecniche di Machine Learning che si sono rivelate utili per le biopsie del tumore al seno e per la previsione delle malattie epatiche. Può contribuire ad affrontare efficacemente diversi altri problemi di salute e patologie preesistenti.
330 pazienti con infezione cronica da HBV partecipanti agli studi clinici hanno mostrato una regressione della fibrosi nel primo anno, un fenomeno che solitamente viene rilevato solo al quinto anno con la valutazione manuale. Questa scoperta ha contribuito a comprendere la natura della malattia e come gli algoritmi di Machine Learning possano prevederne la progressione e gli eventi clinici futuri.

prognosFACTOR

Applicazione del Machine Learning nel settore sanitario:
Prognos Health è un'azienda leader nell'analisi dei dati sanitari, con un forte orientamento clinico. La sua piattaforma sanitaria, prognosFACTOR, mette a disposizione degli utenti miliardi di referti di laboratorio da analizzare. La piattaforma è conforme alle normative HIPAA e realizza una mappatura completa del percorso clinico del paziente.

Le tecniche di Machine Learning (ML) contribuiscono ad approfondire le conoscenze cliniche sulle patologie, fornendo dati dettagliati sul percorso medico dei pazienti che possono essere impiegati per applicazioni commerciali.

I benefici per il settore sanitario:
Nel 2020, Prognos Health ha dichiarato di disporre di 325 milioni di cartelle cliniche di pazienti opportunamente anonimizzate. Il Machine Learning consente a prognosFACTOR di elaborare i dati acquisiti per supportare la diagnosi delle patologie; tale tecnologia ha reso estremamente agevole e accessibile l'esplorazione di vasti set di dati contenenti informazioni sui pazienti.

Recentemente, l'azienda ha avviato una collaborazione con Datavant al fine di fornire ad altre imprese dati sanitari anonimizzati, contribuendo così alla lotta contro il COVID-19.

Il sistema di pancreas bionico iLet di Beta Bionics:

Applicazione del Machine Learning nel settore sanitario:
Beta Bionics ha sviluppato un pancreas bionico denominato iLet. Si tratta di un dispositivo automatizzato in grado di somministrare sia insulina che glucagone. Il suo scopo è coadiuvare la gestione della glicemia, in particolare nei pazienti affetti da diabete di tipo 1.

L'obiettivo del sistema è offrire una terapia più sicura ed efficace, grazie anche alla semplicità d'uso del dispositivo. La FDA ha approvato questa tecnologia nel 2019, al termine di anni di ricerca e sviluppo.

I benefici per il settore sanitario:
Si tratta di un sistema di pancreas bionico completamente automatizzato, che funge da tecnologia per la somministrazione di insulina. Il dispositivo migliora l'assistenza ai pazienti diabetici e consente di gestire i livelli di glicemia nelle persone affette da diabete di tipo 1.

Il suo principale elemento distintivo (USP) risiede nel fatto che i pazienti devono semplicemente inserire il proprio peso corporeo; il dispositivo calcola autonomamente il dosaggio di insulina richiesto, senza necessitare di alcun'altra informazione aggiuntiva.

MD Insider

Applicazione del Machine Learning nel settore sanitario:
MD Insider è una piattaforma basata sul machine learning che mette i pazienti in contatto con medici specialisti qualificati. La sua tecnologia di ML comprende le esigenze del paziente e fornisce un'analisi dettagliata dei medici specialisti disponibili.

I pazienti che devono sottoporsi a qualsiasi procedura sanitaria desiderano ricevere le migliori cure possibili; è qui che MD Insider utilizza il machine learning per analizzare le prestazioni dei professionisti medici e presentare tale analisi al paziente, aiutandolo così a prendere una decisione consapevole e informata.

I benefici per il settore sanitario:
Si tratta di una piattaforma affidabile che conta 254 milioni di pazienti, 1,9 milioni di operatori sanitari e 42.600 gruppi medici. MD Insider è una piattaforma avanzata per la reportistica ed è inoltre conforme alle normative HIPAA.

Nel 2020, Accolade ha acquisito MD Insider e ha lanciato il servizio "Accolade Total Care". Tale soluzione fornisce informazioni approfondite sulla qualità dei medici e garantisce trasparenza sui costi. L'iniziativa innalza gli standard dell'assistenza sanitaria, offrendo ai propri utenti soluzioni sanitarie di alta qualità.

Ecco alcuni ulteriori esempi di applicazioni del machine learning in fase di sviluppo nel settore sanitario:

• Il machine learning ha reso possibile l'esecuzione di interventi chirurgici addestrando robot a operare su comando. Aziende come Da Vinci Surgical Systems sviluppano soluzioni per la chirurgia robotica. Questa tecnologia si trova attualmente in una fase di sviluppo volta a renderla più economicamente vantaggiosa e facilmente accessibile.
• La tecnologia DeepMind e Google Health hanno unito le forze per sviluppare un'applicazione in grado di fornire diagnosi mediche e trattamenti rapidi e accurati. Il progetto si trova nelle fasi iniziali di ricerca e sviluppo ed è in continua evoluzione per raggiungere i propri obiettivi.

Il machine learning e il settore sanitario stanno trasformando la vita delle persone, migliorando la qualità dell'assistenza medica. Sono state create piattaforme che consentono ai professionisti sanitari di entrare in contatto con i pazienti in modo più agevole. Il machine learning in ambito sanitario ha generato nuove opportunità, portando l'efficacia di tali iniziative ai massimi livelli.

Conclusione:

Per concludere, queste applicazioni di machine learning rappresentano una tecnologia all'avanguardia nel settore sanitario. Abbiamo qui compreso in che modo queste applicazioni di machine learning, nel loro impiego pratico, apportino benefici al settore sanitario. Tali applicazioni e tecnologie consentono di diagnosticare rapidamente le malattie o di supportare la ricerca e lo sviluppo di farmaci.