Come le Reti Neurali Possono Essere Utilizzate nel Settore Sanitario: 10 casi d'uso

Il mercato dell'IA sanitaria è stato valutato a $ 8,23 miliardi nel 2020 e si prevede che raggiungerà $ 194,4 miliardi entro il 2030, crescendo a un CAGR del 38,1% dal 2021 al 2030. Allo stesso tempo, le reti neurali artificiali diventeranno il principale motore di crescita del mercato, poiché è grazie a loro che la "mente" digitale può apprendere in modo così rapido ed efficiente. In questo articolo, descriveremo esattamente come le reti neurali artificiali vengono utilizzate oggi in medicina.

1. Chirurgia robotica

Le procedure chirurgiche richiedono una profonda conoscenza medica, un'elevata precisione, la capacità di adattarsi a circostanze mutevoli e un'attenzione costante per un lungo periodo di tempo. Sebbene i chirurghi qualificati tendano ad avere tutte queste qualità, sono solo persone normali e quindi possono commettere errori, soprattutto se hanno un programma fitto di appuntamenti. Secondo una ricerca della Johns Hopkins University, solo negli Stati Uniti gli errori chirurgici si verificano più di 4.000 volte l'anno . Ad esempio, almeno
39 volte a settimana un chirurgo lascia corpi estranei all'interno dei pazienti, più di 20 volte a settimana i chirurghi eseguono l'operazione sbagliata o operano sull'organo sbagliato.

La chirurgia robotica può alleviare questo problema. In particolare, l'IA basata su reti neurali può essere utilizzata per simulare e pianificare un'operazione, valutare le capacità di un chirurgo e semplificare le attività chirurgiche. Inoltre, i robot con bracci meccanici possono eseguire autonomamente procedure chirurgiche, il che accelererà e ridurrà il costo di questo tipo di servizio, oltre a rendere più comune la chirurgia altamente professionale: è improbabile che un chirurgo alla moda voglia vivere in aree povere dell'Africa o in Asia, mentre un robot chirurgo può essere posizionato in qualsiasi stanza con l'elettricità.

E tutto questo non è solo parole: l'industria della chirurgia robotica è già valutata 40 miliardi di dollari, e mostra ottimi risultati:

• Le reti neurali artificiali analizzano i dati delle cartelle cliniche preoperatorie per guidare lo strumento del chirurgo durante l'intervento chirurgico, riducendo le degenze ospedaliere dei pazienti del 21% o più.
• Uno studio su 379 pazienti ortopedici ha rilevato che una procedura robotica basata su rete neurale ha comportato complicazioni cinque volte inferiori rispetto ai chirurghi che lavorano da soli.
• I cardiochirurghi sono assistiti da un robot Heartlander in miniatura . Entra in una piccola incisione nel torace per eseguire sondaggi, mappature e trattamenti stabili e localizzati su tutta la superficie del cuore. Il suo utilizzo riduce i danni al paziente se è necessario l'accesso al cuore.
• Il robot chirurgico autonomo Smart Tissue (STAR) ha svolto in modo indipendente un compito difficile sui tessuti molli dei suini (ricollegando le due estremità dell'intestino), mostrando risultati significativamente migliori rispetto ai chirurghi umani.

2. Diagnostica per immagini

L'imaging in medicina si riferisce al processo di creazione di rappresentazioni visive delle strutture interne del corpo per l'analisi clinica e l'intervento medico, nonché una rappresentazione visiva delle funzioni di determinati organi o tessuti. L'imaging migliora la diagnosi quando si utilizzano raggi X, tomografia computerizzata, mammografia, risonanza magnetica, PET, ecografia e altre procedure.

La comunità medica ha da tempo riconosciuto che l'imaging può aumentare significativamente la probabilità di rilevamento di malattie. Ma spesso anche l'occhio umano allenato di un medico non riesce a riconoscere i piccoli dettagli nelle immagini. Inoltre, non dobbiamo dimenticare il problema degli occhi "sfocati": i ricercatori dell'Università di Harvard hanno aggiunto l'immagine di un gorilla ai raggi X e li hanno mostrati ai medici - l' 83% dei radiologi non ha notato l'immagine di un gorilla su raggi X.

Le reti neurali convoluzionali (CNN) sono ottime per l'imaging medico . Secondo gli scienziati della Stanford University, le CNN sono progettate per elaborare le immagini, il che significa che possono essere utilizzate in medicina, come l'analisi di scansioni MRI o raggi X. Inoltre, le CNN spesso superano la precisione umana. Ad esempio, nei dermatologi professionisti, l'accuratezza della rilevazione del melanoma va dal 65% all'85%. Mentre soluzioni come TensorFlow, scikit-learn o keras mostrano una precisione compresa tra l'87% e il 95% .

Allo stesso tempo, lavorano molto più velocemente delle persone, senza pause pranzo e giorni liberi: i ricercatori della Mount Sinai Icahn School of Medicine hanno sviluppato una rete neurale in grado di diagnosticare importanti condizioni neurologiche, come ictus ed emorragia cerebrale, 150 volte più velocemente rispetto ai radiologi umani.

Ecco alcuni altri esempi di imaging medico utilizzando le reti neurali:

• Nel 2019, i ricercatori hanno utilizzato una rete neurale convoluzionale costruita sulle architetture ResNet50 e InceptionV3 per analizzare set di immagini mediche e dermoscopia. Questa soluzione ha fornito lo stesso livello di accuratezza dei diagnostici umani professionisti.
• Uno degli strumenti di diagnosi precoce per il cancro al seno, sviluppato dallo Houston Medical Research Institute, interpreta le mammografie con una precisione del 99% e fornisce informazioni diagnostiche 30 volte più velocemente di un essere umano.
• Un gruppo di ricercatori cinesi ha sviluppato un sistema di rete neurale per analizzare le immagini a raggi X per i primi segni di polmonite causata da COVID-19. Questo strumento consente ai medici di risparmiare fino al 40% del tempo diagnostico, consentendo loro di identificare, isolare e curare più rapidamente i pazienti contagiosi.
• scientifico spagnolo ha sviluppato un algoritmo di deep learning basato su una rete neurale per migliorare la risoluzione della risonanza magnetica. Aiuta a identificare patologie complesse associate al cervello, inclusi cancro, disturbi del linguaggio e lesioni fisiche.
• Facebook AI (ora Meta) e NYU Langone Health hanno sviluppato un'IA chiamata Offre un nuovo approccio alla creazione di immagini MRI che accelera il processo di scansione di 4 volte. Quando tali immagini sono state fornite ai radiologi, non sono stati in grado di distinguere tra una scansione tradizionale e una scansione creata con fastMRI.

3. Assistenti di assistenza virtuale

Un'altra cosa con cui le reti neurali possono aiutare è l'interazione con i pazienti su cose come le richieste dei pazienti, la gestione delle informazioni sanitarie sensibili dei pazienti, la pianificazione di appuntamenti con i medici, l'invio di rapporti sui test, i promemoria per gli appuntamenti medici e altro ancora. Il trasferimento di questi compiti all'IA potrebbe far risparmiare 20 miliardi di dollari all'anno nel solo mercato sanitario statunitense.

Gli assistenti infermieristici virtuali come Care Angel sono in grado di condurre un appuntamento iniziale, organizzare una visita in ospedale, conservare parzialmente le cartelle cliniche, riportare i risultati dei test e persino eseguire un controllo sanitario usando la voce. Un altro esempio di una soluzione simile è Sensely. Questo assistente virtuale è un'applicazione interattiva progettata per semplificare il flusso di lavoro medico, automatizzare i processi di routine e ridurre i costi di monitoraggio dell'assistenza ai pazienti. Gli studi dimostrano che l'uso di Sensely può ridurre del 66% i costi di manodopera per il monitoraggio dei pazienti rispetto a una procedura convenzionale.

4. Flusso di lavoro e attività amministrative

Un'indagine del New England Journal of Medicine (NEJM) tra medici britannici ha rilevato che oltre l' 80% degli intervistati considera il burnout medico un problema nella propria organizzazione . Allo stesso tempo, la metà di questi intervistati ha riferito che "scaricare compiti amministrativi" può risolvere completamente o parzialmente questo problema, consentendo ai medici di trascorrere più tempo con i pazienti, oltre a dedicare più tempo allo sviluppo professionale. E soprattutto lamentele sulla necessità di mantenere le cartelle cliniche elettroniche (EHR) dei pazienti che utilizzano molti ospedali in tutto il mondo.

L'intelligenza artificiale basata su reti neurali può assumere una parte significativa del lavoro di routine degli impiegati di compilazione di documenti e rapporti, il che farà risparmiare fino a 18 miliardi di dollari in sanità. Ad esempio, un algoritmo di trascrizione da voce a testo può aiutarti a compilare un EHR, ordinare test, prescrivere farmaci, prendere appunti e altre cose usando la tua voce durante l'esame del paziente.

Un esempio di tale soluzione è Olive, una piattaforma basata sull'intelligenza artificiale che automatizza diversi processi amministrativi, come la convalida di affermazioni mediche infondate, il trasferimento dei dati medici necessari agli operatori sanitari appropriati, ecc. Olive si integra facilmente con gli strumenti software sanitari esistenti.

Servizi simili sono forniti da K2 Process Automation. Questa piattaforma utilizza l'intelligenza artificiale per ottimizzare la gestione delle istituzioni mediche e del loro personale. In particolare, AI K2 può aggiornare automaticamente i dati nella cartella del paziente, elaborare le richieste dei pazienti inviando loro notifiche quando ricevono i risultati del test, registrare le chiamate e salvare le informazioni di conseguenza.

5. Prevedere focolai di malattie infettive

Alla fine di dicembre 2021, la piattaforma BlueDot prevedeva l'epidemia di coronavirus in Cina . L'intelligenza artificiale BlueDot, dopo aver studiato le notizie in 65 lingue, le conversazioni delle persone sui social network e i rapporti sulla malattia, ha segnalato lo scoppio di una nuova infezione simil-influenzale una settimana prima rispetto all'Organizzazione Mondiale della Sanità (OMS). E questo non è il primo caso del genere. In precedenza, BlueDot aveva previsto un'epidemia di virus Zika in Florida nel 2016, sei mesi prima che si verificasse. Anche prima, BlueDot aveva previsto l'epidemia di Ebola del 2014 e la sua diffusione oltre l'Africa.

Un'altra startup che ha dimostrato la sua capacità di prevedere focolai di malattie infettive è Metabiota. La piattaforma ha contribuito a fermare la diffusione dell'Ebola in Sierra Leone, secondo TechCrunch.

6. Creazione di farmaci e nuove cure

Nel 2015, durante l'epidemia di Ebola in Africa occidentale, la società farmaceutica americana Atomwise, utilizzando il potere dell'intelligenza artificiale, ha collaborato con IBM per selezionare i composti che possono legarsi a una glicoproteina che impedisce all'Ebola di entrare nelle cellule del corpo. Questa analisi è stata eseguita dalla rete neurale Atomwise in meno di un giorno, sebbene questo processo richieda solitamente mesi e persino anni.

Questa è stata la prima volta che l'IA ha accelerato così tanto il processo di sviluppo dei farmaci. Tra altri 5 anni, gli Stati Uniti approveranno il primo farmaco, quasi interamente creato dall'IA, il farmaco DSP-1181 per il trattamento del disturbo ossessivo-compulsivo. Questo farmaco è stato creato da Exscientia e, secondo la sua gestione, ci sono voluti solo 12 mesi.

Ma questo periodo non è il limite. Insilico Medicin afferma che la loro IA, GENTRL, è in grado di creare nuovi farmaci contro determinate patologie in sole 3 settimane. Ci vorranno circa 25 giorni in più per scegliere l'opzione migliore e testarla. Pertanto, sono necessari solo 46 giorni per creare farmaci utilizzando GENTRL.

Tuttavia, il progetto più ambizioso in questa direzione è Deep Genomics. Questa azienda sta sviluppando un'intelligenza artificiale chiamata Project Saturn per scoprire nuovi metodi per eliminare gli effetti delle mutazioni genetiche. Deep Genomics ha già valutato 69 miliardi di molecole di oligonucleotidi contro 1 milione di bersagli in silico per creare una libreria di 1.000 composti che vengono convalidati sperimentalmente per manipolare la biologia cellulare come previsto.

7. Medicina personalizzata

Un'altra area ad alta intensità di risorse nell'assistenza sanitaria in cui le reti neurali artificiali possono essere utili è la medicina personalizzata. Il fatto è che ogni caso di trattamento è unico, poiché ogni persona ha un'immunità, una storia medica e un attuale stato di salute unici. E tutto questo deve essere preso in considerazione per la massima efficacia del trattamento. Ma il medico, in primo luogo, non può sempre vedere tutte le sfumature delle condizioni del paziente e, in secondo luogo, il medico non ha la competenza necessaria per prendere una decisione globale sulla costruzione del piano di trattamento più efficace, tenendo conto di tutte queste sfumature - per questo è necessario avere la conoscenza più profonda in tutte le aree della medicina, il che non è realistico.

Ma è sotto il potere dell'intelligenza artificiale. È in grado di studiare e analizzare enormi quantità di dati e prendere una decisione che terrà conto di tutti i dati disponibili sia sulle condizioni del paziente che sulle sue opzioni di trattamento. Finora, non ci sono molti di questi progetti (sono troppo complessi e richiedono enormi quantità di dati medici di alta qualità). Ma i primi successi in questa direzione ci sono già: AI Merative di IBM (precedentemente chiamata Watson Oncology) è progettata appositamente per risolvere tali problemi.

8. Lotta alle frodi

Un altro grave problema nel settore sanitario è la frode. Medicinali contraffatti, frodi assicurative e servizi medici scadenti, illegali e deliberatamente inefficaci sono dannosi per il settore quanto la ricerca clinica falsa e scadente. Solo negli Stati Uniti, secondo stime prudenti , la frode sanitaria costa al Paese circa 68 miliardi di dollari l'anno, ovvero il 3% della spesa sanitaria dell'intero Paese.

Anche l'intelligenza artificiale basata su reti neurali può far fronte a questo problema. Ad esempio, l'azienda medica Aetna ha circa 350 modelli di rete neurale per la sicurezza e la protezione dalle frodi. Highmark Inc ha anche il proprio NN anti-frode e, secondo l'azienda, il loro prodotto di rete neurale ha già aiutato l'azienda a risparmiare 245 milioni di dollari .

9. Modifica del comportamento

Quante volte ti sei perso i farmaci, hai dimenticato o ignorato il controllo del medico? I sondaggi mostrano che questo è un problema molto comune e i medici hanno poco o nessun controllo su di esso. Inoltre, le istruzioni e le critiche al comportamento dei pazienti da parte dei medici non fanno che esacerbare il problema, poiché i pazienti si imbarazzano per le loro malattie e semplicemente smettono di andare in ospedale.

Ma vari gadget e applicazioni che correggono il comportamento delle persone possono aiutare in questo. L'esempio più ovvio sono i braccialetti fitness e gli smartwatch che aiutano a fissare obiettivi (ad esempio, camminare 4 chilometri al giorno) e a monitorare il loro raggiungimento, oltre a ricordare gli esami preventivi e la necessità di attività fisica. App più sofisticate come Somatix tengono traccia delle attività quotidiane di un paziente e indicano le sue abitudini e routine in modo che possano concentrarsi su come sbarazzarsi di loro e sulla guarigione.

Inoltre, non dimenticare le varie applicazioni per eliminare le cattive e creare buone abitudini. Creano il “controllo esterno” di cui il paziente ha bisogno, che spesso è una motivazione più efficace dei consigli dei medici, delle richieste o addirittura delle minacce dei parenti. Allo stesso tempo, tali applicazioni sono particolarmente efficaci se utilizzano elementi di ludicizzazione: l'uso di pratiche di gioco (premi, risultati, ricompense, livelli, crescita dell'account) in un contesto non di gioco.

10. Raccolta e analisi dei dati

Ultimo ma non meno importante nel nostro elenco è la raccolta e l'analisi di dati medici di alta qualità. E questa non è solo la raccolta della storia del paziente, ma anche vari dati correlati, a partire da dove lavora il paziente e quanto spesso va in palestra e finendo con quali film guarda e quale cibo mangia - idealmente, tutto questo dovrebbe essere preso in considerazione anche quando si costruisce un piano di trattamento.

Il problema è che la raccolta di tali dati è molto difficile e costosa. Le persone non vogliono segnalare ogni acquisto, corsa o film dell'orrore che guardano. Ma questo può essere fatto da piattaforme basate sull'intelligenza artificiale. Se una tale soluzione è integrata con uno smartphone, uno smartwatch, un frigorifero, un banking online e altre fonti, l'intelligenza artificiale raccoglierà tali statistiche per ciascun paziente automaticamente e con riservatezza.

Ci sono molti esempi di tali soluzioni. Ad esempio, un gadget di Current Health con intelligenza artificiale per il monitoraggio medico delle condizioni di una persona. Questo dispositivo indossabile è stato uno dei primi a ricevere l'approvazione della Food and Drug Administration (FDA) statunitense per l'uso domestico. Il gadget può misurare la frequenza cardiaca, la respirazione, la saturazione di ossigeno, la temperatura e la mobilità dei pazienti per fornire questi dati al medico, che formulerà raccomandazioni al paziente.

Un esempio più popolare è l'Apple Watch, che, oltre alle funzionalità di Current Health, può anche eseguire elettrocardiogrammi (ECG) e inviare messaggi all'ospedale, ai parenti o agli amici più vicini se l'orologio rileva una caduta o una frequenza cardiaca irregolare: queste caratteristiche hanno salvato la vita a più di una persona.