L’apprendimento automatico (machine learning) è una branca dell’informatica strettamente legata all’intelligenza artificiale, che a grandi passi viene introdotta nel campo della salute. Si tratta di meccanismi che consentono ad una macchina intelligente di migliorare le sue capacità e le sue prestazioni nel tempo. Alla base, ci sono una serie di differenti algoritmi che, partendo da nozioni primitive, sapranno prendere una decisione piuttosto che un’altra o effettuare azioni apprese nel tempo. Le reti neurali artificiali (o ANN, artificial neural network) rappresentano un sottoinsieme del machine learning e sono l’elemento centrale degli algoritmi di deep learning. Il loro nome e la loro struttura sono ispirati al cervello umano, imitando il modo in cui i neuroni biologici si inviano segnali.
Grazie ad algoritmi di intelligenza artificiale vengono realizzate le health app, specifiche app per la salute o la IA (acronimo di intelligenza artificiale) applicata allo sviluppo di farmaci e alla realizzazione di nuovi farmaci intelligenti o ai programmi che forniscono diagnosi e prognosi o a quelli che addirittura prefigurano il sorgere di una malattia. Si tratta di programmi in grado di raccogliere informazioni, elaborarle e fornire prestazioni, riducendo al minimo il livello di errore.
Uno degli utilizzi attualmente più diffuso dell’IA è costituito dalle health app: applicazioni dello smartphone che interagiscono con i pazienti attraverso varie modalità, per tenere monitorato lo stato di salute – controllare la frequenza cardiaca, ad esempio – o prevenire condizioni patologiche gravi, come il diabete.
La DeepMind è una IA capace di analizzare in pochi minuti milioni di informazioni mediche, grazie ad algoritmi che simulano le capacità immaginative e predittive tipiche dell’essere umano. IBM sta investendo su Watson, che è un sistema computerizzato in grado di rispondere a domande. E’ un’applicazione avanzata di elaborazione del linguaggio naturale, recupero delle informazioni, rappresentazione della conoscenza, ragionamento automatico e tecnologie di apprendimento automatico nel campo dell’open domain question answering (letteralmente, risposte a domande a dominio aperto, cioè senza restrizioni sull’argomento), costruito sulla base di DeepQA, tecnologia IBM per la formulazione di ipotesi, raccolta massiva di controprove, analisi e scoring (capacità di raggiungere un obiettivo). Le diagnosi dell’intelligenza artificiale di Watson sembrano infatti in grado di anticipare di due anni quelle fornite dai metodi tradizionali.
Un’altra applicazione sanitaria dell’intelligenza artificiale riguarda lo sviluppo farmaci. Ha scritto di recente Nicola Marino, del direttivo di AISDeT (Associazione italiana di Sanità Digitale e Telemedicina): “Un precedente storico capace di rivoluzionare il settore si è avuto a novembre 2021, quando l’azienda InSilico Medicine ha annunciato la somministrazione ai primi volontari in Australia per uno studio esplorativo in microdosi per analizzare il profilo farmacocinetico di un farmaco totalmente sviluppato grazie all’uso di algoritmi di intelligenza artificiale. Il potenziale farmaco, un inibitore di piccole molecole, è il primo della classe di un nuovo bersaglio biologico per il trattamento della Fibrosi Polmonare Idiopatica.
La svolta sta nel fatto che l’azienda, guidata dallo scienziato Alex Zhavoronkov, ha utilizzato una serie di algoritmi di intelligenza artificiale in grado sia di individuare il nuovo bersaglio per il trattamento della patologia, nonché di modellare una nuova molecola capace di possedere le corrette proprietà chimico-fisiche. Ancor più importante è che l’intero programma pre-clinico è durato 18 mesi ed è costato 2.6 milioni di dollari, diversi ordini di grandezza inferire se comparato ai 3-6 anni e 430 milioni di dollari in spese vive, ovvero 1 miliardo di dollari capitalizzati, dello sviluppo attraverso metodiche tradizionali”. Ha aggiunto Marino: “Siamo dinanzi a un periodo d’oro per la biologia e, con essa, la medicina. L’informatica pervade ogni angolo delle scienze biologiche rendendo unica la capacità di comprendere qualsivoglia aspetto umano, sia in condizioni di salute che di malattia. Tale simbiosi, tra i sistemi basati sul carbonio e quelli basati sul silicio, concederà alla ricerca da un lato di effettuare nuove scoperte sul funzionamento della vita umana e dall’altro creare modelli sintetici sempre più performanti e capaci di emulare i primi in ogni aspetto. Più in generale, saremo capaci di innovare i processi con i quali sviluppiamo nuovi farmaci, partendo da un percorso fatto di prove ed errori nel quale la serendipità svolge un ruolo cardine, per arrivare a una progettazione razionale grazie all’uso di tecnologie abilitanti (chimica combinatoria e sequenziamento ad alto rendimento) e hardware più performanti (capacità computazionale e data center di nuova generazione).