L’intelligenza artificiale e le sue applicazioni in medicina

L'intelligenza artificiale (IA) è definita come "un campo della scienza e dell’ingegneria che si occupa della comprensione computazionale di ciò che comunemente viene chiamato comportamento  intelligente, e della creazione di artefatti che esibiscono tale comportamento”. [1]

Sebbene l’IA sia spesso correlata esclusivamente a computer o robot, le sue radici affondano in più campi, tra cui filosofia, psicologia, linguistica e statistica. L'intelligenza artificiale di oggi può guardare indietro a visionari come Charles Babbage, Alan Turing, Claude Shannon, Richard Bellman e Marvin Minsky, che hanno contribuito a gettare le basi per molti dei moderni cardini di questa disciplina. [2]

Dalla metà del secolo scorso, i ricercatori hanno esplorato le potenziali applicazioni delle tecnologie intelligenti in ogni campo della medicina. L’impiego dell’IA in chirurgia è stato studiato per la prima volta da Gunn nel 1976, quando quest’ultimo esplorò la possibilità di effettuare una diagnosi di dolore addominale acuto con un’analisi computerizzata. Da quel momento abbiamo assistito ad una vera e propria impennata nell'interesse per l’IA medica. [1]

Oggi l'intelligenza artificiale svolge un ruolo fondamentale nella scoperta di prodotti farmaceutici ed è in grado di indirizzare le nuove molecole biologicamente attive verso le proprietà desiderate.  Come è noto i farmaci in via di sviluppo devono soddisfare una serie di criteri diversi: oltre alla giusta potenza per il bersaglio biologico, il composto dovrebbe essere piuttosto selettivo contro il target indesiderato e mostrare anche buone proprietà fisico-chimiche e ADMET (proprietà di assorbimento, distribuzione, metabolismo, escrezione e tossicità). A questo scopo numerosi metodi di previsione in silico vengono applicati lungo il processo di ottimizzazione per una progettazione efficiente. [3]

Nell'industria farmaceutica, un aspetto importante del successo dell'apprendimento automatico per la previsione delle proprietà di una molecola in fase di progettazione e ottimizzazione è l'accesso a set di dati di grandi dimensioni, che è un prerequisito per l'applicazione dell'IA. [3]

Tra le varie fasi di sviluppo, la sintesi organica è una parte fondamentale di qualsiasi programma di progettazione farmaceutica. Nuove molecole vengono sintetizzate per progredire lungo il percorso di ottimizzazione e per identificare prodotti con proprietà migliorate. Sono stati sviluppati numerosi approcci computazionali per supportare la fase della sintesi, ad esempio nella previsione dell'esito di una reazione chimica e nella pianificazione retrosintetica. [3]

Alcuni dei sistemi di cui si serve l’IA includono le reti neurali artificiali (ANN), la logica fuzzy, il calcolo evolutivo e i sistemi intelligenti ibridi. [1]   ANN è la tecnica di intelligenza artificiale più popolare in medicina:  gli ANN sono strumenti analitici computazionali  ispirati al sistema nervoso biologico. Sono costituiti da reti di processori informatici altamente interconnessi chiamati "neuroni" che sono in grado di calcolare parallelamente l'elaborazione dei dati e la rappresentazione della conoscenza. La loro capacità di imparare dall’esperienza, di analizzare dati non lineari, di gestire informazioni imprecise li ha resi uno strumento analitico  molto attraente agli occhi della moderna medicina. Sono utilizzati molto in radiologia e istopatologia, nell’interpretazione dei dati in terapia intensiva e nell’analisi delle forme d'onda,  nell’iter diagnostico di dolore addominale, appendicite, glaucoma, mal di schiena. [1] 

Logica fuzzy

La logica fuzzy è la scienza del ragionamento e del pensiero che riconosce le sfumature, invece di presumere che la realtà sia bianca o nera come nel caso della logica convenzionale. Le tecniche della logica fuzzy sono state impiegate in molteplici campi medici, ad esempio nella diagnosi del cancro al polmone, della leucemia acuta, del cancro al seno e al pancreas. La tecnica è stata impiegata anche per caratterizzare le immagini ecografiche della mammella, delle lesioni epatiche e dei tumori cerebrali, e per predire la sopravvivenza nelle pazienti con cancro al seno. [1] 

Il calcolo evolutivo

Il calcolo evolutivo è il termine generale che indica le tecniche computazionali basate sull'evoluzione naturale, che imitano cioè il processo fisiologico che garantisce la sopravvivenza in natura.

La forma più utilizzata di calcolo evolutivo per applicazioni mediche è costituita dagli "Algoritmi genetici".

Proposti da John Holland, sono una classe di algoritmi di ricerca e ottimizzazione stocastici basati sul concetto di evoluzione biologica naturale: il sistema crea una serie di soluzioni casuali  al problema proposto, che si evolvono da una generazione a quella successiva, fino a raggiungere la soluzione più soddisfacente. Nel processo le soluzioni migliori si aggiungono alla popolazione di soluzioni casuali, mentre quelle peggiori vengono eliminate. Ripetendo il meccanismo tra gli elementi migliori, si verificheranno ripetuti miglioramenti e si genereranno nuove soluzioni. [1]

Sistemi ibridi intelligenti

La logica fuzzy con la sua imprecisione da un lato e il calcolo evolutivo con i processi di ottimizzazione dall’altro, possono essere combinati insieme per produrre un sistema ibrido intelligente che può funzionare in modo complementare. La sinergia degli elementi consente al sistema ibrido di adattarsi, di estrapolare la conoscenza dai dati grezzi, di funzionare alla stregua di un ragionamento  umano, di affrontare l'incertezza e l'imprecisione e imparare ad adattarsi ad un cambiamento rapido e ad un ambiente sconosciuto. [1]

Le evidenze suggeriscono che ormai l'IA può svolgere un ruolo fondamentale nel supportare la classe medica nella formulazione di una diagnosi, nelle decisioni terapeutiche di tutti i giorni e nella possibilità di prevedere i risultati di un trattamento, quindi nel fornire un’assistenza sanitaria efficiente. [1]

Con il progredire della ricerca e della robotica, possiamo auspicare una progettazione sempre più automatizzata di prodotti farmaceutici. [3]

Non c'è dubbio che l’intelligenza tencologica servirà a migliorare e completare l’intelligenza medica del futuro clinico. [1]

Bibliografia

1. Ramesh AN. Artificial intelligence in medicine. Ann R Coll Surg Engl 2004; 86: 334–338.

2. Hashimoto DA. Artificial Intelligence in Anesthesiology: Current Techniques, Clinical Applications, and Limitations. Anesthesiology. 2020 Feb; 132(2): 379–394.

3. Hessler G. Artificial Intelligence in Drug Design Molecules. 2018 Oct; 23(10): 2520.