L’intelligenza artificiale prende sempre più spazio nella nostra vita. E il suo impiego, in medicina, è una delle innovazioni più promettenti. A partire dagli anni ’70 e ’80 del secolo scorso, i ricercatori hanno iniziato a sviluppare programmi informatici pensati per imitare il processo decisionale di un essere umano in ambito scientifico. Uno dei primissimi esempi è stato Mycin: un sistema di intelligenza artificiale elaborato alla Stanford University, negli Stati Uniti, per diagnosticare infezioni batteriche nel sangue e consigliare trattamenti antibiotici. Nei successivi anni ’90, l’intelligenza artificiale ha cominciato a sfruttare l’apprendimento automatico (il 'machine learning', ndr): una delle tecniche alla base dell’apprendimento dell’Ia per analizzare dati medici complessi. I progressi nella digitalizzazione dei dati sanitari, come le cartelle cliniche elettroniche e le immagini diagnostiche, hanno fornito una base di dati decisamente ricca, funzionale ad addestrare modelli di Ia. Ma è stato solo negli ultimi 20 anni che l’intelligenza artificiale ha rivoluzionato la medicina, grazie all’avvento dell’apprendimento profondo (deep learning) e delle reti neurali (modelli computazionali dell’Ia ispirati al funzionamento del cervello umano). L’apprendimento profondo è un’altra tecnica dell’Ia usata per analizzare dati complessi. La capacità delle reti neurali di sviscerare grandi volumi di dati, come immagini radiologiche o sequenze genomiche, ha aperto nuove possibilità per la diagnosi, la prognosi e la personalizzazione dei trattamenti. Oggi, l’Ia è adoperata in parecchi ambiti della medicina, migliorando la diagnostica per immagini, l’accuratezza, la velocità e l’efficienza nell’analisi degli esami radiologici. Gli algoritmi sono stati addestrati per rilevare, su milioni di immagini, alcune situazioni gravi, come il sorgere di pericolosi tumori. La capacità dell’Ia di delineare con precisione organi, tessuti o lesioni è particolarmente utile nella pianificazione di trattamenti come la radioterapia, in cui è essenziale identificare con esattezza i confini di un tumore. Per esempio, nella diagnosi di tumori cerebrali tramite risonanza magnetica, l’intelligenza artificiale può segmentare le masse tumorali in pochi secondi: un compito che manualmente richiederebbe delle ore. In Italia, l’adozione dell’Ia nella diagnostica per immagini è in crescita. Ed esistono vari 'progetti-pilota' in ospedali universitari e centri di ricerca. In campo medico, ci sono sempre sfide da affrontare, ma ogni applicazione dell’Ia nella pratica clinica richiede necessariamente la validazione, attraverso studi rigorosi e l’approvazione di enti regolatori come l’Ema (European Medicines Agency, ndr). Insomma, l’Ia è un'alleata utile nel percorso di cura, ma non comprende il dolore, gli stati emotivi e la sofferenza del paziente: elementi fondamentali nell’approccio clinico. Perciò, le decisioni finali restano di competenza dei medici.