5 modi per utilizzare l'intelligenza artificiale generativa nel settore sanitario

PwC prevede che i costi sanitari aumenteranno del 7% nel 2024. Questo aumento è principalmente attribuito al burnout degli operatori sanitari, alla conseguente carenza di forza lavoro, alle controversie tra contribuenti e fornitori e all’inflazione. Per garantire un’assistenza efficiente ai pazienti senza incorrere in costi operativi eccessivi, il settore sta esplorando tecnologie innovative, come l’intelligenza artificiale generativa nel settore sanitario.

Accenture riferisce che il 40% dell’orario di lavoro degli operatori sanitari può essere migliorato con l’intelligenza artificiale, mentre un recente articolo di Forbes suggerisce che questa tecnologia può risparmiare al settore medico statunitense almeno 200 miliardi di dollari in spese annuali.

L’intelligenza artificiale generativa nel settore sanitario utilizza algoritmi di apprendimento automatico per analizzare dati non strutturati, come cartelle cliniche dei pazienti, immagini mediche, registrazioni audio di consultazioni, ecc., e produrre nuovi contenuti simili a quelli su cui è stata addestrata.

In questo articolo, la nostra società di sviluppo di intelligenza artificiale generativa spiegherà come la tecnologia può supportare le organizzazioni sanitarie.

Casi d’uso dell’intelligenza artificiale generativa nel settore sanitario

1. Facilitare la formazione e la simulazione medica
2. Assistenza nella diagnosi clinica
3. Contribuire allo sviluppo di farmaci
4. Automatizzazione delle attività amministrative
5. Generazione di dati medici sintetici

Facilitare la formazione medica e le simulazioni

L’intelligenza artificiale generativa nel settore sanitario può produrre simulazioni realistiche che replicano un’ampia varietà di condizioni sanitarie, consentendo a studenti e professionisti di medicina di esercitarsi in un ambiente controllato e privo di rischi. L’intelligenza artificiale può generare modelli di pazienti con diverse malattie o aiutare a simulare un intervento chirurgico o un’altra procedura medica.

La formazione tradizionale prevede scenari preprogrammati, che sono restrittivi. L’intelligenza artificiale, d’altro canto, può generare rapidamente casi di pazienti e adattarsi in tempo reale rispondendo alle decisioni prese dai tirocinanti. Ciò crea un’esperienza di apprendimento più stimolante e autentica.

Esempio di vita reale

L’Università del Michigan ha creato un modello di intelligenza artificiale generativa nel settore sanitario in grado di produrre vari scenari per simulare il trattamento della sepsi.

L’Università della Pennsylvania ha implementato un modello di intelligenza artificiale generativa per simulare la diffusione di COVID-19 e testare diversi interventi. Ciò ha aiutato i ricercatori a valutare il potenziale impatto del distanziamento sociale e della vaccinazione sul virus.

Assistenza nella diagnosi clinica

Ecco come l’intelligenza artificiale generativa per l’assistenza sanitaria può contribuire alla diagnostica:

• Generazione di immagini mediche di alta qualità . Gli ospedali possono utilizzare strumenti di IA generativa per migliorare le capacità diagnostiche dell’IA tradizionale. Questa tecnologia può convertire scansioni di scarsa qualità in immagini mediche ad alta risoluzione con grandi dettagli, applicare algoritmi AI di rilevamento delle anomalie e presentare i risultati ai radiologi.
• Diagnosi di malattie . I ricercatori possono addestrare modelli di intelligenza artificiale generativa su immagini mediche, test di laboratorio e altri dati dei pazienti per rilevare e diagnosticare l’insorgenza precoce di diverse condizioni di salute. Questi algoritmi possono individuare il cancro della pelle, il cancro ai polmoni, le fratture nascoste, i primi segni dell'Alzheimer, la retinopatia diabetica e altro ancora. Inoltre, i modelli di intelligenza artificiale possono svelare biomarcatori che possono causare particolari disturbi e prevedere la progressione della malattia.
• Rispondere a domande mediche . I diagnostici possono rivolgersi all’intelligenza artificiale generativa nel settore sanitario se hanno domande invece di cercare una risposta nei libri di medicina. Gli algoritmi di intelligenza artificiale possono elaborare grandi quantità di dati e generare risposte rapidamente, facendo risparmiare tempo prezioso ai medici.

Esempi di vita reale

Un team di ricercatori ha sperimentato modelli Generative Adversarial Network (GAN) per estrarre e migliorare le caratteristiche delle scansioni mediche di bassa qualità, trasformandole in immagini ad alta risoluzione. Questo approccio è stato testato su scansioni MRI cerebrali, dermatoscopia, fundoscopia retinica e immagini ecografiche cardiache, mostrando un tasso di precisione superiore nel rilevamento delle anomalie dopo il miglioramento dell'immagine.

In un altro esempio, Med-Palm 2 di Google, basato sull'intelligenza artificiale, è stato addestrato sul set di dati MedQA e ha raggiunto un tasso di precisione dell'85% rispondendo a domande mediche pertinenti. Google ammette che l'algoritmo necessita ancora di miglioramenti, ma è un buon inizio per l'intelligenza artificiale generativa come assistente diagnostico.

Contribuire allo sviluppo di farmaci

Secondo il Congressional Budget Office, il processo di sviluppo di nuovi farmaci costa in media da 1 a 2 miliardi di dollari, compresi i farmaci falliti. Fortunatamente, ci sono prove che l’intelligenza artificiale ha il potenziale per ridurre quasi della metà il tempo necessario per progettare e selezionare nuovi farmaci, facendo risparmiare all’industria farmaceutica circa 26 miliardi di dollari in spese annuali. Inoltre, questa tecnologia può ridurre i costi associati agli studi clinici di 28 miliardi di dollari all’anno.

Le aziende farmaceutiche possono implementare l’intelligenza artificiale generativa nel settore sanitario per accelerare la scoperta di farmaci:

• Progettare e generare nuove molecole con le proprietà desiderate che i ricercatori potranno successivamente valutare in laboratorio
• Previsione delle proprietà di nuovi farmaci candidati e proteine
• Generazione di composti virtuali con elevata affinità di legame con il bersaglio che possono essere testati in simulazioni al computer per ridurre i costi
• Previsione degli effetti collaterali di nuovi farmaci analizzando la loro struttura molecolare

Puoi trovare ulteriori informazioni sul ruolo dell’intelligenza artificiale nella scoperta di farmaci e su come facilita le sperimentazioni cliniche sul nostro blog.

Esempi di vita reale

L’aumento delle partnership strategiche tra aziende biotecnologiche e startup di intelligenza artificiale è un primo segnale della presa del controllo dell’intelligenza artificiale generativa nell’industria farmaceutica.

Proprio di recente, Recursion Pharmaceuticals ha acquisito due startup canadesi di intelligenza artificiale per 88 milioni di dollari. Uno di questi, Valence, è noto per le sue capacità di intelligenza artificiale generativa e lavorerà alla progettazione di farmaci candidati sulla base di set di dati piccoli e rumorosi che non sono sufficienti per i metodi tradizionali di scoperta di farmaci.

Un altro esempio interessante viene dall’Università di Toronto. Un gruppo di ricerca ha costruito un sistema di intelligenza artificiale generativa, ProteinSGM, in grado di generare nuove proteine ​​realistiche dopo aver studiato le rappresentazioni immaginarie delle strutture proteiche esistenti. Questo strumento può produrre proteine ​​ad un ritmo elevato e quindi viene utilizzato un altro modello di intelligenza artificiale, OmegaFold, per valutare il potenziale delle proteine ​​risultanti. I ricercatori hanno riferito che la maggior parte delle nuove sequenze generate si ripiegano in vere e proprie strutture proteiche.

Automatizzazione delle attività amministrative

Questo è uno dei casi d’uso dell’IA generativa più importanti nel settore sanitario. Gli studi dimostrano che il tasso di burnout tra i medici negli Stati Uniti ha raggiunto un enorme 62%. I medici che soffrono di questa condizione hanno maggiori probabilità di essere coinvolti in incidenti che mettono in pericolo i loro pazienti e sono più inclini all'abuso di alcol e ai pensieri suicidi.

Fortunatamente, l’intelligenza artificiale generativa nel settore sanitario può alleviare parzialmente il peso sulle spalle dei medici snellendo le attività amministrative. Può ridurre contemporaneamente i costi associati all’amministrazione, che, secondo HealthAffairs, rappresentano il 15%-30% della spesa sanitaria complessiva. Ecco cosa può fare l’intelligenza artificiale generativa:

• Estrai i dati dalle cartelle cliniche dei pazienti e popola i corrispondenti registri sanitari. Microsoft sta pianificando di integrare l'intelligenza artificiale generativa nell'EHR di Epic. Questo strumento eseguirà varie attività amministrative, come la risposta ai messaggi dei pazienti.
• Trascrivi e riepiloga le consultazioni dei pazienti, inserisci queste informazioni nei campi corrispondenti delle cartelle cliniche elettroniche e produci documentazione clinica. Nuance di Microsoft ha integrato la tecnologia di intelligenza artificiale generativa GPT-4 nel suo software di trascrizione clinica. I medici possono già testare la versione beta.
• Genera report sanitari strutturati analizzando le informazioni del paziente, come anamnesi, risultati di laboratorio, scansioni, ecc.
• Produrre raccomandazioni terapeutiche
• Rispondi alle domande dei medici
• Trova le fasce orarie ottimali per la pianificazione degli appuntamenti in base alle esigenze dei pazienti e alla disponibilità dei medici
• Genera promemoria personalizzati degli appuntamenti ed e-mail di follow-up
• Esamina le richieste di risarcimento dell'assicurazione medica e prevedi quali potrebbero essere respinte
• Componi sondaggi per raccogliere feedback dei pazienti su diverse procedure e visite, analizzali e produci informazioni utili per migliorare l'erogazione delle cure

Esempio di vita reale

Navina, una startup di intelligenza artificiale medica, ha creato un assistente di intelligenza artificiale generativa che aiuta i medici ad affrontare i compiti amministrativi in ​​modo più efficiente. Questo strumento può accedere ai dati dei pazienti, tra cui cartelle cliniche elettroniche, richieste di indennizzi assicurativi e documenti scansionati, fornire aggiornamenti sullo stato, consigliare opzioni di cura e rispondere alle domande dei medici. Può anche generare documenti strutturati, come lettere di referenza e note sullo stato di avanzamento.

Navina ha già ottenuto un finanziamento di 44 milioni di dollari, il che indica un forte interesse da parte della comunità medica.

Generazione di dati medici sintetici

La ricerca medica si basa sull’accesso a grandi quantità di dati su diverse condizioni di salute. Questi dati sono dolorosamente carenti, soprattutto quando si tratta di malattie rare. Inoltre, la raccolta di tali dati è costosa e il loro utilizzo e condivisione sono regolati dalle leggi sulla privacy.

L’intelligenza artificiale generativa in medicina può produrre campioni di dati sintetici che possono aumentare i set di dati sanitari della vita reale e non sono soggetti alle normative sulla privacy, poiché i dati sanitari non appartengono a particolari individui. L'intelligenza artificiale può generare dati EHR, scansioni, ecc.

Esempi di vita reale

Un team di ricercatori tedeschi ha creato un modello basato sull’intelligenza artificiale, GANerAid, per generare dati sintetici sui pazienti per gli studi clinici. Questo modello si basa sull'approccio GAN e può produrre dati medici con le proprietà desiderate anche se il set di dati di addestramento originale era di dimensioni limitate.

Un altro team di scienziati ha sperimentato l’intelligenza artificiale generativa per sintetizzare cartelle cliniche elettroniche. I ricercatori sono stati motivati ​​da norme restrittive sulla privacy dei dati e dall’incapacità di condividere in modo efficace i dati dei pazienti tra gli ospedali. Hanno costruito il modello EHR-M-GAN in grado di ricavare dati EHR eterogenei e di tipo misto (il che significa che contiene sia valori continui che discreti) che rappresentano realisticamente le traiettorie dei pazienti.

Considerazioni etiche e sfide dell’intelligenza artificiale generativa nel settore sanitario

Anche se i giganti della tecnologia e della consulenza continuano a investire nell’intelligenza artificiale, possiamo anche vedere come eminenti esperti di intelligenza artificiale, tra cui il CEO di Tesla Elon Musk e il CEO di OpenAI Sam Altman, mettono in guardia dai rischi associati alla tecnologia. Quindi, quali sfide porta l’intelligenza artificiale generativa all’assistenza sanitaria?

• Pregiudizio . Le prestazioni dei modelli IA sono buone quanto quelle del set di dati su cui sono stati addestrati. Se i dati non rappresentano adeguatamente la popolazione target, ciò lascerà spazio a pregiudizi nei confronti dei gruppi meno rappresentati. Essendo strumenti di intelligenza artificiale generativa addestrati su grandi quantità di dati delle cartelle cliniche, erediteranno qualsiasi pregiudizio presente e sarà una sfida rilevarlo, per non parlare di sradicarlo.
• Mancanza di regolamenti . Anche se l’intelligenza artificiale presenta notevoli preoccupazioni etiche, non esistono ancora norme ufficiali che disciplinino l’uso di questa tecnologia. Gli Stati Uniti e l’UE stanno lavorando per formalizzare le politiche pertinenti, ma ciò non avverrà nel prossimo futuro.
• Preoccupazioni sulla precisione . L’intelligenza artificiale commette errori e, nel settore sanitario, il prezzo di tali errori è piuttosto alto. Ad esempio, i modelli linguistici di grandi dimensioni (LLM) possono avere allucinazioni. Ciò significa che possono produrre risultati sintatticamente probabili ma di fatto errati. Le organizzazioni sanitarie dovranno decidere quando tollerare gli errori e quando richiedere al modello di intelligenza artificiale di spiegare le proprie conclusioni. Ad esempio, se l’intelligenza artificiale generativa viene utilizzata per supportare la diagnosi del cancro, è improbabile che i medici adottino tale strumento se non è in grado di giustificare le sue raccomandazioni.
• Responsabilità . Chi è responsabile del risultato sanitario finale? È il medico, il venditore di intelligenza artificiale, gli sviluppatori di intelligenza artificiale o ancora un'altra parte? La mancanza di responsabilità può avere un impatto negativo sulla motivazione e sulle prestazioni.

Pronto a migliorare la tua pratica sanitaria con l'intelligenza artificiale generativa?

Gli algoritmi di intelligenza artificiale generativa stanno diventando sempre più potenti. Robert Pearl, professore clinico presso la Stanford University School of Medicine, ha dichiarato:

“ChatGPT raddoppia la sua potenza ogni sei mesi o un anno. Tra cinque anni sarà 30 volte più potente di oggi. Tra 10 anni sarà 1.000 volte più potente. Ciò che esiste oggi è come un giocattolo. Si stima che negli strumenti di prossima generazione ci saranno un trilione di parametri, che è interessante notare che è il numero approssimativo di connessioni nel cervello umano”.

L’intelligenza artificiale può essere un potente alleato, ma se utilizzata in modo improprio può causare danni significativi. Le organizzazioni sanitarie devono avvicinarsi a questa tecnologia con cautela. Se stai pensando di implementare soluzioni basate sull’intelligenza artificiale per il settore sanitario, ecco tre suggerimenti per iniziare:

• Prepara i tuoi dati . Anche se decidi di optare per un modello di intelligenza artificiale pre-addestrato e già pronto, potresti comunque volerlo riqualificare sul tuo set di dati proprietario, che deve essere di alta qualità e rappresentativo della popolazione target. Mantieni i dati medici sempre al sicuro e salvaguarda la privacy dei pazienti. Sarebbe utile rivelare su quale set di dati è stato addestrato un algoritmo poiché aiuta a capire dove funzionerà bene e dove potrebbe fallire.
• Prendi il controllo dei tuoi modelli IA . Coltiva il concetto di IA responsabile nella tua organizzazione. Assicurarsi che le persone sappiano quando e come utilizzare gli strumenti e chi si assume la responsabilità del risultato finale. Testa i modelli di intelligenza artificiale generativa su casi d'uso con impatto limitato prima di passare ad applicazioni più sensibili. Come accennato in precedenza, l’IA generativa può commettere errori. Decidi dove è accettabile un piccolo tasso di fallimento e dove non puoi permettertelo. Ad esempio, una precisione del 98% può essere sufficiente nelle applicazioni amministrative, ma è inaccettabile nella diagnostica e nelle pratiche a contatto con i pazienti. Elaborare un quadro che regolerà l'uso dell'intelligenza artificiale generativa nell'assistenza sanitaria nel tuo ospedale.
• Aiuta i tuoi dipendenti ad accettare la tecnologia e ad usarla . L’intelligenza artificiale ha ancora bisogno della guida umana, soprattutto nel settore sanitario fortemente regolamentato. L’intervento umano rimane un ingrediente essenziale affinché la tecnologia abbia successo. Il personale medico e amministrativo dovrà supervisionare i modelli di intelligenza artificiale, quindi gli ospedali devono concentrarsi sulla formazione delle persone per questo compito. I dipendenti, d’altro canto, dovrebbero essere in grado di reinventare la propria routine quotidiana, ora che l’intelligenza artificiale ne fa parte, per utilizzare il tempo liberato per produrre valore.

Vuoi trarre vantaggio dall'intelligenza artificiale generativa ma non sai come procedere? Mandaci un messaggio! Ti aiuteremo a preparare i tuoi dati, a implementare lo strumento e a integrarlo nelle tue operazioni.

Pubblicato originariamente su https://itrexgroup.com il 6 settembre 2023.