Esiste un numero in rapida crescita di applicazioni dell’intelligenza artificiale (IA) nel campo medico.[2] Per comprendere i principi alla base dell’utilizzo dell’IA per i diversi scopi è necessario familiarizzare con alcuni concetti fondamentali. Il termine "intelligenza artificiale" è stato coniato da Arthur McCarthy nel 1955.[2] Oggi viene comunemente inteso come un termine ombrello che indica l’applicazione di algoritmi in grado di fornire alle macchine la capacità di risolvere problemi che, tradizionalmente, richiedevano l’intelligenza umana.[2] Le capacità dell’IA si basano su algoritmi che eseguono il riconoscimento di schemi e l’auto-correzione attraverso l’elaborazione di grandi quantità di dati.[2] Tra i sottocampi più frequentemente incontrati dell’IA vi sono il "machine learning" (ML), che descrive la capacità degli algoritmi di apprendere dai dati, e il "deep learning" (DL), una branca del ML che prevede l’utilizzo di reti neurali artificiali composte da più strati.[2] Il processo di apprendimento nel ML avviene attraverso l’ottimizzazione di un modello matematico.[2] Gli studi che valutano le prestazioni degli algoritmi basati su IA nell’esecuzione di compiti specifici utilizzano solitamente grandi quantità di dati in ingresso, suddivisi in un "training set" (insieme di addestramento), un "validation set" (insieme di validazione) e un "test set" (insieme di test).[2]

Questi modelli vengono addestrati su enormi quantità di dati fino a sviluppare la capacità di comprendere e generare testi simili a quelli umani con un’elevata prevedibilità, anche senza l’uso di tecniche basate sul recupero di informazioni.[2]

Le applicazioni più comuni dell’intelligenza artificiale in ambito ortopedico includono il riconoscimento di immagini (per esempio nella rilevazione o classificazione di fratture), la valutazione del rischio pre-operatorio, il supporto al processo decisionale clinico e la stima della probabilità di determinati esiti dopo un trattamento.[2]

L’erogazione dell’assistenza sanitaria può trarre grande beneficio dal supporto di strumenti di intelligenza artificiale come i large language model (LLM), specialmente nel campo della chirurgia della mano.[1] Ottenere esiti favorevoli dopo un trauma della mano è fondamentale, considerando il ruolo cruciale che le mani svolgono nelle attività quotidiane e nell’autonomia personale.[1]

Una gestione efficace dipende in larga misura dalla corretta identificazione della natura e della gravità delle lesioni, poiché queste informazioni guidano le decisioni in merito all’intervento chirurgico, alla riabilitazione e alle cure successive.[1] Una diagnosi o classificazione errata può comportare ritardi nel trattamento, interventi inappropriati e un recupero funzionale compromesso per il paziente.[1]

Grazie ai loro algoritmi avanzati, i LLM sono in grado di analizzare schemi complessi e, di conseguenza, possono offrire classificazioni delle lesioni rapide e precise, migliorando e accelerando l’intero processo gestionale.[1]

Sebbene l’integrazione dei LLM più avanzati nei sistemi sanitari sia ormai prossima, l’accesso potrebbe rimanere limitato alle istituzioni che ne dispongono.[1]

Similmente a quanto avviene nella chirurgia ortopedica, l’applicazione più consolidata dell’intelligenza artificiale nella chirurgia della mano è la creazione di algoritmi per il rilevamento e la localizzazione automatica delle fratture (ad esempio, fratture del radio distale) mediante machine learning.[2]

I movimenti o le posizioni della mano sono stati registrati mediante diversi tipi di dispositivi di input (fotografie, analisi video, immagini a infrarossi, vibrazioni superficiali, misurazioni EMG di superficie, guanti sensorizzati indossabili e altri tipi di sensori applicati al corpo).[2] Nella maggior parte dei casi, l’analisi dei dati è stata effettuata tramite algoritmi di machine learning.[2]

Questo metodo è efficace per le fratture scomposte e le sue prestazioni risultano per lo più simili a quelle di medici esperti e superiori a quelle di medici alle prime armi.[2] Tuttavia, questi algoritmi mostrano spesso difficoltà nell’identificare le fratture non scomposte (ad esempio, le fratture non scomposte dello scafoide).[2]

Considerando l’evoluzione recente in questo campo, ci si aspetta che le prestazioni di tali algoritmi migliorino rapidamente.[2] Anche se l’addestramento dell’intelligenza artificiale richiede molto meno tempo rispetto alla formazione di un medico, le sue prestazioni non sono ancora sufficienti per sostituire l’essere umano.[2] I principali fattori limitanti sono rappresentati da dataset di addestramento troppo piccoli e da dati di immagine eterogenei.[2]

Il potenziale dei LLM nell’accelerare l’approccio diagnostico e la gestione clinica rappresenta una soluzione promettente per supportare i medici di emergenza e di medicina generale nella gestione rapida delle lesioni alla mano, in attesa della valutazione da parte di uno specialista in chirurgia della mano.[1]

Questa applicazione potrebbe rivelarsi particolarmente vantaggiosa nelle aree rurali o svantaggiate, dove mancano specialisti della mano in sede.[1] I LLM possono fornire agli operatori di prima linea gli strumenti per avviare i processi diagnostici e le strategie terapeutiche, fungendo da risorsa preziosa fino al momento della valutazione specialistica.[1]

Tuttavia, è importante sottolineare che, sebbene i LLM possano offrire un valido supporto clinico e colmare il divario tra la presentazione iniziale e la valutazione specialistica, non devono sostituire una vera e propria consulenza con uno specialista della mano.[1] Con l’integrazione sempre più diffusa dei LLM nella pratica medica, è fondamentale affrontare le considerazioni etiche e le limitazioni associate al loro utilizzo.[1] Sebbene i LLM offrano un potenziale significativo per migliorare l’assistenza al paziente e il processo decisionale medico in ambito di chirurgia della mano, essi pongono anche sfide etiche che richiedono un’attenta valutazione.[1]

Rispettare i principi etici, come autonomia, beneficenza, non maleficenza e giustizia, è fondamentale nello sviluppo e nell’applicazione di questi modelli.[1]

Concludendo, con un repertorio in continua espansione di applicazioni e strumenti, l’intelligenza artificiale sta penetrando nel panorama sanitario, diffondendosi in ogni specialità e ambito dell’assistenza.[1] In particolare, il campo della chirurgia della mano può trarre grande beneficio dal supporto dell’intelligenza artificiale.[1]

Referenze: 

1. Pressman SM, Borna S, Gomez-Cabello CA, Haider SA, Forte AJ. AI in Hand Surgery: Assessing Large Language Models in the Classification and Management of Hand Injuries. J Clin Med. 2024 May 11;13(10):2832. doi: 10.3390/jcm13102832. PMID: 38792374; PMCID: PMC11122623.
2. Keller M, Guebeli A, Thieringer F, Honigmann P. Artificial intelligence in patient-specific hand surgery: a scoping review of literature. Int J Comput Assist Radiol Surg. 2023 Aug;18(8):1393-1403. doi: 10.1007/s11548-023-02831-3. Epub 2023 Jan 12. PMID: 36633789; PMCID: PMC10363089.