Il futuro della medicina con l’IA: prevenzione e cure personalizzate #adessonews

Queste metodologie interconnesse non solo migliorano l’efficacia delle cure, ma ridefiniscono anche il rapporto medico-paziente, permettendo alla medicina di affrontare nuove sfide etiche e operative nella sanità moderna.

Medicina personalizzata e d’iniziativa: definizioni e obiettivi

La medicina personalizzata adotta un approccio integrato per la prevenzione, diagnosi, cura e monitoraggio di patologie complesse, come tumori e malattie rare[1]. A differenza della medicina tradizionale, che segue un modello standardizzato di diagnosi e trattamento, questa si basa sull’analisi dettagliata delle caratteristiche individuali dei pazienti, inclusi dati genetici, ambientali e stili di vita[2]. Questo consente di sviluppare terapie e piani di cura altamente specifici per le esigenze di ogni individuo, migliorando l’efficacia dei trattamenti, riducendo gli effetti collaterali e ottimizzando le risorse sanitarie[3].

La medicina d’iniziativa si focalizza invece su un approccio proattivo nella prevenzione e gestione delle malattie. Contrariamente alla medicina reattiva, che interviene principalmente dopo l’insorgenza dei sintomi, la medicina d’iniziativa mira a prevenire l’insorgenza delle patologie attraverso un monitoraggio costante e interventi tempestivi. Secondo il Piano Nazionale della Cronicità del Ministero della Salute, questo approccio prevede l’uso di strumenti avanzati di analisi e monitoraggio per identificare precocemente i fattori di rischio e intervenire prima che si sviluppino condizioni patologiche[4]. La medicina d’iniziativa è volta a promuovere la salute a lungo termine, riducendo l’incidenza di malattie croniche e migliorando la qualità della vita dei pazienti.

La combinazione della medicina personalizzata e della medicina d’iniziativa rappresenta un paradigma avanzato per la cura della salute, dove l’attenzione è posta non solo sul trattamento, ma anche sulla prevenzione e la gestione proattiva delle malattie. Questo duplice approccio consente di offrire cure più precise e su misura, rispondendo in maniera più efficace alle esigenze specifiche di ogni paziente e promuovendo una sanità più sostenibile e centrata sul benessere dell’individuo.

L’IA nella pratica medica: rivoluzione e innovazione nel settore sanitario

L’intelligenza artificiale sta emergendo come una forza trainante nel settore medico, con applicazioni pratiche che stanno rivoluzionando diagnosi, trattamento e monitoraggio dei pazienti. In particolare, l’AI sta rivoluzionando la sanità in quattro fasi chiave:

• accelera la ricerca e lo sviluppo di nuovi farmaci nella fase di drug discovery,
• analizza i rischi di contrarre malattie e di eventi avversi per la prevenzione,
• migliora la diagnosi con il rilevamento precoce delle malattie
• propone trattamenti personalizzati, predicendo benefici ed esiti a lungo termine[5].

Tale accelerazione è tangibile anche dal punto di vista normativo, ambito in cui dopo l’Europa anche l’Italia si è mossa attraverso un disegno di legge sull’intelligenza artificiale – approvato in Consiglio dei Ministri la scorsa primavera – per indirizzare e orientare il futuro dell’AI attraverso una visione al contempo proattiva e cautelativa del suo sviluppo e impiego nel Paese.

Essa rappresenta un potente alleato per i medici, facilitando la ricerca di informazioni scientifiche e il supporto nella produzione di referti e documentazione. Essa aiuta nelle decisioni diagnostiche e terapeutiche, nell’elaborazione di piani di cura personalizzati e nelle scelte preventive. Inoltre, supporta efficacemente il triage, migliorando la gestione dei pazienti[6].

Tra i sistemi esperti, un esempio significativo e presente in diversi ambiti da molti anni è rappresentato dai sistemi di supporto decisionale clinico (CDSS), che assistono i medici nelle diagnosi e nelle decisioni terapeutiche analizzando grandi quantità di dati clinici.

Questi sistemi identificano pattern complessi che migliorano la precisione diagnostica e la personalizzazione dei trattamenti. Un’altra applicazione dell’AI in medicina è l’uso di algoritmi di machine learning per l’analisi delle immagini diagnostiche.

Tecnologie come il deep learning interpretano radiografie, TC e RM, individuando anomalie con un’accuratezza comparabile, e talvolta superiore, a quella dei radiologi esperti[7]. Algoritmi sviluppati da aziende come IBM Watson Health e Google Health sono ad esempio usati per la diagnosi precoce di malattie come il cancro e le patologie cardiovascolari[8].

È bene sottolineare che per essere efficace, gli algoritmi di ML hanno bisogno di quantità di dati importante e comportamenti da cui apprendere, motivo per cui probabilmente i risultati veramente affidabili non si avranno prima di qualche anno. Nel campo del monitoraggio continuo dei pazienti, l’AI sta giocando un ruolo cruciale attraverso l’uso di dispositivi indossabili e sensori avanzati per raccogliere dati in tempo reale sui parametri vitali, come frequenza cardiaca, pressione sanguigna e livelli di ossigeno nel sangue. Gli algoritmi analizzano questi dati per rilevare anomalie e avvisare tempestivamente il personale medico, consentendo interventi rapidi e mirati. Questo approccio è particolarmente utile per la gestione delle malattie croniche, migliorando la qualità della vita e riducendo i ricoveri ospedalieri. In aggiunta, l’uso di AI generativa in sanità si riferisce all’uso di modelli che hanno la capacità di generare nuovi dati basandosi sui pattern appresi da dati esistenti. Essa emerge come uno strumento potenzialmente rivoluzionario, offrendo soluzioni innovative per superare alcuni ostacoli nel campo della salute pubblica e nell’allocazione delle risorse sanitarie. Attraverso l’utilizzo di chatbot avanzati e assistenti vocali, le persone possono ricevere informazioni utili di primo livello, , orientamento verso le strutture più adeguate e supporto immediato nelle prenotazioni. Ciò è possibile grazie alle potenziali capacità comunicative di questa tecnologia[9].

Per quanto concerne i vantaggi dell’AI rispetto agli approcci tradizionali, l’AI può innanzitutto analizzare immensi volumi di dati con una rapidità stupefacente, permettendo diagnosi più rapide e precise, cruciali in situazioni di emergenza. Contribuisce a ridurre il margine di errore umano, migliorando sicurezza ed efficacia delle cure, e gli algoritmi di machine learning possono essere continuamente aggiornati con nuovi dati, migliorando costantemente le prestazioni. Un altro vantaggio significativo è la capacità dell’AI di personalizzare i trattamenti in base alle caratteristiche specifiche di ciascun paziente, migliorando l’efficacia delle terapie, riducendo gli effetti collaterali e ottimizzando le risorse sanitarie. Essa facilita la ricerca medica, accelerando la scoperta di nuovi farmaci e trattamenti attraverso l’analisi di dati complessi da studi clinici e ricerche genetiche[10]. Inoltre, migliora l’elaborazione e condivisione dei dati raccolti da FSE per gli operatori sanitari. Predice lo sviluppo di patologie e le comorbilità per il Population Health Management, permette lo sviluppo di chatbot professionali certificabili MD, basati su linee guida e normative. Infine, ottimizza il document management per clinical trial e la gestione e analisi documentale, governando i workflow in modo sicuramente più strutturato ed efficiente[11].

Come l’AI sta rivoluzionando la personalizzazione del rapporto medico-paziente

La crescente influenza dell’AI si riflette anche nel rapporto medico-paziente, poiché le raccomandazioni generate da tali sistemi orientano in modo determinante le decisioni cliniche. Tale scenario porta a un cambiamento di paradigma, in cui la relazione tradizionalmente duale tra medico e paziente evolve in una triade. L’AI si inserisce così come terzo elemento fondamentale nel processo decisionale, contribuendo alla definizione di diagnosi e trattamenti in maniera sempre più precisa e personalizzata[12]. Dunque, l’AI non solo potenzia le capacità del medico, ma ridefinisce anche le dinamiche relazionali e collaborative alla base delle cure sanitarie.

Il ruolo dell’AI nella comunicazione medico-paziente

L’intelligenza artificiale entra in gioco nella relazione tra medico e paziente nella misura in cui svolge un ruolo cruciale nella comunicazione e nella personalizzazione delle cure. I sistemi esperti, come i chatbot medici (certificati MD) e le piattaforme di telemedicina, facilitano la comunicazione tra medico e paziente, offrendo risposte immediate a domande comuni, monitorando i sintomi e fornendo consigli tempestivi. Questi strumenti migliorano l’accessibilità alle informazioni mediche, riducendo i tempi di attesa e aumentando l’efficienza del sistema sanitario[13].

Attraverso l’analisi di dati clinici, genetici e comportamentali, gli algoritmi possono creare profili dettagliati dei pazienti, permettendo ai medici di offrire prevenzione e cure altamente personalizzate. Questo approccio consente di adattare i piani di trattamento alle specifiche esigenze di ogni individuo, migliorando l’efficacia delle terapie e aumentando la soddisfazione del paziente[14]. Inoltre, la capacità dell’AI di monitorare continuamente i parametri vitali e altre informazioni sanitarie consente ai medici di mantenere un contatto costante con i pazienti, intervenendo tempestivamente in caso di necessità. Questo monitoraggio proattivo non solo migliora la gestione delle malattie croniche, ma rafforza anche il rapporto di fiducia tra medico e paziente, poiché il paziente si sente costantemente seguito e supportato[15].

Ciononostante, i sistemi di intelligenza artificiale applicati nella pratica medica sollevano nuove questioni e sfide nel rapporto medico-paziente, specialmente in termini di trasparenza delle raccomandazioni fornite dall’AI, comunemente conosciuto come il “problema della scatola nera”. Infatti, sebbene gli algoritmi possano elaborare e analizzare grandi quantità di dati, il loro processo decisionale risulta spesso difficile da comprendere e spiegare[16]. Questo può complicare la giustificazione delle scelte terapeutiche da parte dei medici, minando la fiducia e la collaborazione nel processo decisionale condiviso. Le raccomandazioni dell’AI potrebbero non considerare i valori individuali dei pazienti, focalizzandosi solo su obiettivi specifici come, ad esempio, la massimizzazione della durata della vita, il che non riflette necessariamente le preferenze personali di tutti i pazienti. È quindi essenziale, oltre che previsto dal disegno di legge, che i medici informino i pazienti quando l’AI viene impiegata nelle valutazioni cliniche, facilitando una migliore comprensione di diagnosi, opzioni terapeutiche e prognosi, e promuovendo la partecipazione attiva dei pazienti nel processo decisionale[17].

Inoltre, l’evoluzione dei programmi di formazione è fondamentale per mantenere l’assistenza empatica e la fiducia nell’era dell’intelligenza artificiale. Per i medici, è imperativo integrare abilità specifiche nella gestione dei sistemi di AI e nell’analisi di ampi set di dati, pur continuando a promuovere cure umane e compassionevoli. Questo equilibrio richiede una combinazione ben calibrata tra competenze tecniche avanzate e solide capacità relazionali. Il ruolo del medico deve quindi espandersi per includere una profonda comprensione della scienza informatica, senza mai trascurare l’importanza cruciale della comunicazione e dell’empatia come pilastri della pratica medica. La selezione di professionisti con elevate capacità empatiche e comunicative diventa dunque essenziale per formare operatori in grado di offrire cure adeguate in un futuro sempre più influenzato dall’intelligenza artificiale.[18] Questo approccio integrato non solo è in grado di migliorare l’efficacia dei trattamenti, ma contribuisce anche a mantenere solido il rapporto medico-paziente, assicurando che la tecnologia supporti, piuttosto che sostituisca, il contatto umano.

L’Intelligenza Artificiale in Sanità tra benefici e rischi

L’adozione dell’intelligenza artificiale nei sistemi sanitari esistenti rappresenta una sfida complessa e multidimensionale, con il potenziale di rivoluzionare il settore, offrendo nuove opportunità ed evidenziando al contempo significativi interrogativi.

Come rilevato dall’Osservatorio Sanità Digitale del Politecnico di Milano, i medici riconoscono una serie di benefici derivanti dall’uso dell’AI nelle loro attività. L’AI offre infatti un supporto cruciale nel rafforzare le capacità di accuratezza e personalizzazione delle cure, oltre a rendere più sostenibili le attivitàdi monitoraggio dei pazienti cronici. Tuttavia, i medici temono che l’automatizzazione di alcune attività possa condurre a errori e che l’introduzione dell’AI nella pratica medica possa diminuire il valore del giudizio clinico basato sull’esperienza professionale[19]. Affidarsi ciecamente alle decisioni automatizzate senza una supervisione umana può condurre a errori diagnostici o terapeutici significativi. La supervisione umana rimane imprescindibile per interpretare correttamente i dati generati dai sistemi AI e per prendere decisioni cliniche personalizzate, soprattutto in situazioni complesse dove le variabili sono numerose e le risposte devono essere adattate alle condizioni specifiche del paziente[20]. Questo scenario mette in luce le sfide che accompagnano l’adozione dell’AI in sanità: la necessità di bilanciare l’adozione di nuove tecnologie con la preservazione dell’esperienza umana resta cruciale. È inoltre importante garantire la sicurezza e la qualità delle informazioni, e formare i professionisti per evitare errori e sfruttare appieno il potenziale dell’AI.

Secondo l’Osservatorio, anche i pazienti ritengono che, se usata con prudenza, l’AI possa portare numerosi benefici, e che possa aiutare il medico nel prendere decisioni più precise e rapide. Attualmente, è innegabile come la consapevolezza sull’intelligenza artificiale generativa sia notevolmente aumentata sia tra i professionisti che tra i cittadini. Gli operatori sanitari, nello specifico, esprimono un forte interesse nell’adottare applicazioni di AI in futuro per supportare le decisioni cliniche e assistenziali, oltre che per la stesura di referti e documentazione clinico-amministrativa. Parallelamente, anche cittadini e pazienti hanno acquisito una consapevolezza molto più ampia sulla GenAI. Infatti, dalla ricerca dell’Osservatorio emerge che una quota non trascurabile di cittadini utilizza ChatGPT per cercare informazioni su prevenzione e stili di vita, problemi di salute o su farmaci e terapie. In tale contesto, una delle sfide principali è assicurare la sicurezza degli utenti nell’uso di questi strumenti, garantendo sia la qualità delle informazioni ricevute che le competenze del cittadino-paziente per utilizzarle in maniera sicura e appropriata[21]. In questo contesto, emerge un ulteriore rischio rilevante legato alla protezione della privacy dei dati personali dei cittadini, i quali devono essere costantemente aggiornati sull’utilizzo delle loro informazioni, come previsto dal GDPR. Nel settore sanitario, infatti, l’uso autonomo di queste tecnologie da parte dei pazienti può innescare comportamenti rischiosi, dando origine a complesse questioni etiche[22].

L’evoluzione dell’AI in Sanità

L’integrazione della medicina personalizzata, della medicina d’iniziativa e dell’intelligenza artificiale sta rivoluzionando il settore sanitario, migliorando l’efficacia delle cure e promuovendo un approccio più sostenibile e centrato sul paziente. L’evoluzione delle tecnologie AI promette di rendere i sistemi esperti sempre più sofisticati, capaci di analizzare grandi quantità di dati in tempo reale per fornire diagnosi e trattamenti altamente personalizzati. In questo contesto, il ruolo del medico non sarà sostituito, ma trasformato in quello di facilitatore di tecnologie avanzate, utilizzando i dati generati per prendere decisioni cliniche più informate e precise. Nonostante questi progressi, permangono sfide significative: il rischio di errori senza supervisione umana e la protezione dei dati personali restano questioni cruciali che richiedono una gestione attenta e continua.

Note

[1] Politecnico di Milano, Osservatori Digital Innovation. “Life Science: il digitale per accelerare la trasformazione. Convegno di presentazione dei risultati della Ricerca 2024”, 2024.

[2] Bollati V, Ferrari L, Leso V, Iavicoli I. “Personalised Medicine: implication and perspectives in the field of occupational health”. Med Lav. 2020 Nov 25;111(6):425-444. doi: 10.23749/mdl.v111i6.10947. PMID: 33311418; PMCID: PMC7809984.

[3] Ministero della Salute. “Piano per l’innovazione del sistema sanitario basata sulle scienze omiche”, 2018. Disponibile su: http://www.salute.gov.it”.

[4] Ministero della Salute. “Piano Nazionale della Cronicità”, 2016. Disponibile su: http://www.salute.gov.it.

[5] Politecnico di Milano, Osservatori Digital Innovation. “Life Science: il digitale per accelerare la trasformazione. Convegno di presentazione dei risultati della Ricerca 2024”, 2024.

[6] European Parliament. “Artificial Intelligence Act”, 2018.

[7] Greco G. “Intelligenza artificiale e cure primarie: tecnologie e sfide”, 2022

[8] Ministero della Salute. “I sistemi di intelligenza artificiale come strumento di supporto alla diagnostica”, 2021. Disponibile su: http://www.salute.gov.it

[9] TrendSanità, “L’intelligenza artificiale generativa nella sanità, da ChatGPT all’AI ACT”, 2024.

[10] Ministero della Salute. “I sistemi di intelligenza artificiale come strumento di supporto alla diagnostica”, 2021. Disponibile su: http://www.salute.gov.it

[11] Politecnico di Milano, Osservatorio Sanità Digitale, 2024

[12] Lorenzini, G., Ossa, L. A., Shaw, D. M., & Elger, B. S. (2023). Artificial intelligence and the doctor–patient relationship: Expanding the paradigm of shared decision making. Bioethics. Accepted Manuscript. doi:10.1111/bioe.13158

[13] Ministero della Salute. “L’uso dell’intelligenza artificiale nella comunicazione medico-paziente”. Disponibile su: http://www.salute.gov.it

[14] Agenzia Nazionale per i Servizi Sanitari Regionali (Agenas). “Intelligenza artificiale e personalizzazione delle cure”. Disponibile su: https://www.agenas.it

[15] Organizzazione Mondiale della Sanità (OMS). “AI e monitoraggio continuo: migliorare la relazione medico-paziente”. Disponibile su: https://www.who.int

[16] Grote, T., & Berens, P. (2020). On the ethics of algorithmic decision‐making in healthcare.

Journal of Medical Ethics.

[17] Lorenzini, G., Ossa, L. A., Shaw, D. M., & Elger, B. S. (2023). Artificial intelligence and the doctor–patient relationship: Expanding the paradigm of shared decision making. Bioethics. Accepted Manuscript. doi:10.1111/bioe.13158

[18] Sauerbrei, A., Kerasidou, A., Lucivero, F., & Hallowell, N. (2023). The impact of artificial intelligence on the person-centred, doctor-patient relationship: some problems and solutions. BMC Medical Informatics and Decision Making, 23(73). https://doi.org/10.1186/s12911-023-02162-y

[19] Osservatorio Sanità Digitale Politecnico di Milano. Sanità Digitale: Trasformare il presente per un futuro sostenibile. Maggio 2024

[20] World Health Organization. (2021). Ethics and governance of artificial intelligence for health. World Health Organization. https://www.who.int/publications/i/item/9789240029200

[21] Osservatorio Sanità Digitale Politecnico di Milano. Sanità Digitale: Trasformare il presente per un futuro sostenibile. Maggio 2024

[22] Osservatori Digital Innovation. Intelligenza artificiale in sanità: Sfide e opportunità, Maggio 2023. https://blog.osservatori.net/it_it/intelligenza-artificiale-in-sanita-sfide-opportunita