Esiste oggi un gruppo di discipline scientifiche che, più di altre, stanno apportando grandi avanzamenti nell’evoluzione umana grazie allo sviluppo tecnologico informatico e all’Intelligenza Artificiale. Parliamo della medicina, della ricerca scientifica, della chimica.
Genetica, oncologia, ortopedia, ematologia, neurologia, la ricerca su nuovi farmaci per nuove cure e tantissimi altri ambiti possono ormai analizzare in forme sempre più sofisticate la grande mole di dati che producono grazie a un calcolo intensivo basato su computer sempre più potenti, spesso collegati attraverso architetture in elaborazione parallela e distribuita a livello internazionale per accelerare simulazioni e studi. è un’area permeata da tecnologie di AI e di machine learning, con algoritmi in grado di interpretare anche dati non strutturati, identificando possibili relazioni causa-effetto tra dati disponibili e le patologie di cui il paziente sofSistemi intelligenti di AI/ML, dai dati e dai pattern di correlazione tra dati e patologie, da Tac, radiografie, ecografie, elettrocardiogrammi riescono oggi a identificare con un buon grado di affidabilità, patologie tumorali, cardiovascolari, respiratorie, e quant’altro. L’Istituto Mario Negri di Milano, ad esempio, specializzato nella ricerca farmacologica, sta lavorando ai sistemi di predizione delle patologie, definendo differenti livelli di rischio sui quali attivare strategie di prevenzione. Un’impostazione che molti Istituti clinici e ospedali stanno sperimentando nel mondo. Questa attività, dichiara l’Istituto milanese, permette di predire oggi con accuratezza e in anticipo di circa 6 anni l’insorgenza di un tumore al polmone.
Nella terapia, invece, questi sistemi possono supportare il medico nel prescrivere correttamente la cura dal punto di vista farmacologico in rapporto alla letteratura scientifica disponibile, all’analisi di casi studio di pazienti con patologie simili, alla storia personale del paziente. In farmacologia, la capacità di analisi di grandissime quantità di dati derivati dallo screening delle numerose molecole esistenti può rapidamente identificare quelle più promettenti da portare alla sperimentazione clinica, riducendo così i tempi dalla fase di ricerca a quella della pratica clinica. E ancora: la maggiore accuratezza di analisi nelle immagini mediche; l’impulso alla medicina personalizzata dove device wearable sempre più indossati dalle persone consentono trattamenti proattivi e mirati in rapporto a parametri rilevati in tempo reale; e poi la grande area dell’AI applicata alla chirurgia robotica fino al supporto di attività routinarie svolte dai medici da delegare ai sistemi per liberare tempo da dedicare ai pazienti.
Naturalmente, a maggior ragione in questo delicatissimo comparto della Salute, sono tante le questioni critiche aperte. Massima attenzione andrà ad esempio riposta sui rischi: se la fase di training di un sistema di AI non avviene in modo corretto, inserendo anche involontariamente elementi distorsivi o bias (in questo caso valutazioni errate magari a fronte di pregiudizi o di convinzioni non validate a livello di comunità scientifica) va da sé che il rischio di fallimento è molto più grave di una semplice campagna marketing. L’AI in medicina, infatti, andrà sempre accompagnata da un robusto impianto di valutazione/validazione peer (un assessment in cui la verifica avviene da un confronto tra pari per competenze, ruoli e quant’altro sui lavori oggetto di analisi) e da importanti studi clinici che coinvolgano i principali soggetti interessati, medici, ricercatori, studiosi, ospedali, centri clinici, e via dicendo. Inoltre, altro tema aperto, la questione del rapporto medico-sistema in cui il secondo dovrebbe sempre svolgere un lavoro di supporto e intervento sotto la supervisione e la responsabilità del primo.
Agrifood, per vivere meglio e continuare a crescere
Altro settore in cui le tecnologie digitali con l’integrazione di sistemi di AI stanno modificando modelli e processi e quello alimentare e dell’agricoltura. L’alimentazione ormai da un po’ di anni, sta affiancando alla sua funzione di sostentamento una fase di sostenibilità, nutrizione personalizzata, riduzione di diete e abitudini alimentari errate. Grazie alla pervasività delle tecnologie IT, dai sistemi di elaborazione, ai satelliti, dai device applicati alla gestione delle colture all’analisi dei dati finalizzati all’ottimizzazione delle coltivazioni, tutta la catena agroalimentare, campi, logistica, distribuzione e ristorazione, viene digitalizzata. La produzione agricola, grazie all’AI, sta ampliando i propri bacini tradizionali di applicazione. Ad esempio da un’ottimizzazione della produzione secondo obiettivi quantitativi si estende verso una produzione mirata che guarda anche a criteri di nutrizione personalizzata, alla ricerca di un benessere fisico attraverso una corretta alimentazione. Altro elemento in cui l’utilizzo dell’AI crea azioni di miglioramento continuo riguarda la sostenibilità, l’attuazione cioè di pratiche green che molti soggetti della filiera stanno perseguendo in allineamento con la domanda di mercato. Tra questi obiettivi vi è la riduzione dell’impatto ambientale, la conservazione naturale ottimizzando l’utilizzo delle risorse, l’economia circolare. Tutti i soggetti della catena del valore stanno introducendo modelli predittivi per ottimizzare non solo la fase di coltivazione (utilizzo corretto dei fertilizzanti in rapporto all’analisi dei dati relativi all’area coltivata, temperatura, condizioni meteorologiche, qualità del terreno e quantità di acqua necessaria e/o utilizzata) ma anche quella di distribuzione, con una supply chain sempre più finalizzata a garantire la qualità dei prodotti e a ridurre al minimo i rischi in termini di sicurezza alimentare.
Leggi anche: