L'adozione dell'intelligenza artificiale nella diagnosi e nella prognosi delle malattie potrebbe aiutare a prolungare la vita delle persone fornendo al contempo risparmi significativi per il SSN.

Questo è secondo i ricercatori dell'Università di Cardiff che hanno fornito prove convincenti che mostrano i benefici che le tecniche all'avanguardia possono apportare alla valutazione del rischio nei pazienti.

In un nuovo studio pubblicato su PLOS One , il team di ricercatori ha dimostrato come l'intelligenza artificiale possa fornire una prognosi altrettanto accurata e affidabile per i pazienti con malattie cardiovascolari, rispetto ai metodi tradizionali.

Le tecniche di apprendimento automatico utilizzate non richiedevano esperienza o interazione umana e quindi hanno superato un grosso collo di bottiglia nel processo.

Coautore dello studio, il professor Craig Currie, dalla Facoltà di Medicina dell'Università di Cardiff, ha detto:"Se possiamo perfezionare questi metodi, ci permetteranno di determinare molto prima quelle persone che richiedono misure preventive. Ciò prolungherà la vita delle persone e conserverà le risorse del SSN".

In un'era di medicina basata sull'evidenza, l'uso delle statistiche è diventato una parte cruciale della stima dei rischi di alcuni tipi di malattie.

Tradizionalmente, clinici e statistici si sono avvicinati a questo compito sviluppando manualmente equazioni matematiche. Però, l'intelligenza artificiale fornisce tecniche in grado di scoprire associazioni complesse nei dati.

"Sebbene disponiamo già di metodi affidabili per prevedere le persone in base al loro grado di rischio di eventi cardiaci gravi, l'intelligenza artificiale promette nuovi modi di interrogare i dati e la probabilità di una classificazione più affidabile del rischio, "Continuò il professor Currie.

Nel loro studio, il team ha sperimentato una tecnica nota come programmazione genetica (GP), un metodo ispirato all'evoluzione in natura in base al quale i programmi per computer sono codificati come un insieme di geni che vengono poi modificati o evoluti in modo iterativo.

GP è vantaggioso rispetto agli algoritmi prodotti dall'uomo in quanto riduce i pregiudizi e la possibilità di errore umano, mentre allo stesso tempo consente di integrare automaticamente eventuali cambiamenti nell'ambiente in formule matematiche.

Un vantaggio di questo particolare approccio è che le complesse associazioni scoperte dall'intelligenza artificiale dai dati possono essere rese trasparenti ai clinici, il che significa che non è necessario che si discostino dalla loro pratica esistente.

Nello studio il team ha utilizzato il GP per valutare i rischi futuri di un evento cardiovascolare, come la morte cardiovascolare, ictus non fatale o infarto miocardico non fatale, in oltre 3, 800 pazienti cardiovascolari, di età compresa tra 19 e 83 anni, in un periodo di 10 anni.

Gli algoritmi di apprendimento automatico hanno utilizzato un totale di 25 predittori presi dai dati dei pazienti, compresa l'età, sesso, BMI, uso di alcol e fumo e pressione sanguigna.

I risultati hanno mostrato che gli algoritmi di apprendimento automatico potrebbero funzionare in modo comparabile ai metodi tradizionali nella previsione del rischio associato ai singoli pazienti.

Co-autore dello studio Professore Irena Spasić, dalla School of Computer Science and Informatics dell'Università di Cardiff, ha dichiarato:"La capacità di interpretare le soluzioni offerte dal machine learning ha finora frenato la tecnologia in termini di integrazione nella pratica clinica.

"Però, alla luce della recente rinascita delle reti neurali, è importante non mettere da parte altri metodi di apprendimento automatico, specialmente quelli che offrono trasparenza come la programmazione genetica o gli alberi decisionali. Dopotutto, stiamo cercando di usare l'intelligenza artificiale per aiutare gli esperti umani e non per eliminarli del tutto dall'equazione".