NOVITA’ SORPRENDENTI, IL FUTURO E’ GIA’ INIZIATO
Sabato 13 novembre 2021 si è svolto, presso il Centro Congressi Ecotekne del Campus Universitario di Lecce, il Convegno “Le nuove tecnologie per la salute – il futuro è già iniziato”, evento organizzato in coincidenza con l’apertura del corso di Laurea in Medicina e Chirurgia presso UniSalento. La partecipazione di Medici ed Odontoiatri della Provincia di Lecce è stata accompagnata dalla presenza degli studenti iscritti al Primo Anno del neonato Corso di Laurea in Medicina e Chirurgia presso UniSalento e dagli studenti dei Licei a curvatura biomedica (Licei Palmieri e De Giorgi di Lecce, Liceo Da Vinci di Maglie).
Lo sviluppo tecnologico affascina l’uomo ma nel contempo incute timore per la preoccupazione che esso porti a conseguenze non dominabili. Tale paradosso sembra rafforzato da avvenimenti che hanno caratterizzato la nostra storia dal 2020 sino ad oggi: la pandemia virale con il sospetto mai sopito che tutto sia nato da un errore in laboratorio e la guerra in atto in cui l’utilizzo di nuove tecnologie potrà generare danni irrimediabili per l’umanità.
A tale paradosso non sfugge l’innovazione tecnologica in Medicina. Da una parte le affascinanti e straordinarie opportunità che l’innovazione tecnologica in Medicina è in grado di apportare sul piano diagnostico e terapeutico, dall’altra i rischi di una tecnologia che sfugga al controllo e che non rispetti l’uomo, il suo diritto alla autodeterminazione, alla riservatezza dei dati, alla proporzionalità delle cure, alla relazione con il suo medico ed i suoi familiari.
Promosso dall’Ordine dei Medici ed Odontoiatri della Provincia di Lecce in collaborazione con l’Università del Salento, il Convegno è stato caratterizzato dal confronto tra Matematici, Fisici e Ingegneri da una parte e Clinici dall’altra, in un’ottica di dialogo e di scambio inter-disciplinare che l’introduzione dell’innovazione tecnologica in Medicina rende indispensabile. Da tale confronto sono emerse le nuove ed avvincenti prospettive di prevenzione diagnosi e cura offerte dall’integrazione tra metodi tradizionali e nuove tecnologie.
Gli spunti teorici più originali sono stati offerti attraverso le relazioni dei Professori Antonio Leaci, Giorgio De Nunzio, Lucio De Paolis (UniSalento) e Maria Antonietta Pascali (CNR Pisa) ed hanno trovato riscontro nelle applicazioni cliniche illustrate di seguito dai professori Alessandro Carriero (Università Piemonte Orientale), Gianluca Pontone (Centro Cardiologico Monzino di Milano), Angela Mastronuzzi ed Andrea Carai (Ospedale Bambin Gesù di Roma).
CLINICA E TECNOLOGIA: ALLEATI O NEMICI?
La matematica rappresenta il fondamento dell’applicazione delle nuove tecnologie. (Prof. Antonio Leaci – Unisalento). Dati ed algoritmi sono gli ingredienti di base: i dati sono enormi, e per scoprire le relazioni nascoste tra essi è necessario fornire le istruzioni di lettura, – ovverossia gli “algoritmi”. Ma proprio la modalità di raccolta dei dati e la costruzione degli algoritmi possono rappresentare il punto debole del sistema. E’ l’uomo che raccoglie i dati e costruisce gli algoritmi, in modalità che può non essere trasparente (“black box”), dando così luogo a risultati discriminatori (il problema della “discriminazione algoritmica”) allo scopo di influenzare la decisione finale del medico (per es. facilitando la prescrizione di un farmaco).
Emerge pertanto il problema dell’ “etica dei dati” e dell’ “etica degli algoritmi” che è un problema di onestà intellettuale che esige il rispetto assoluto delle regole dell’evidenza scientifica.
Attraverso il “deep learning” (“apprendimento profondo”), basato sulle reti di neuroni artificiali, la macchina estrae risultati provenienti dall’elaborazione algoritmica dei dati (Prof.ssa Maria Antonietta Pascali – CNR Pisa). Il deep learning riduce l’incertezza diagnostica, particolarmente utile in campo percettivo (interpretazione di immagini, riconoscimento di segnali non visibili all’occhio umano, interpretazione del linguaggio, etc) rappresentando così un supporto nelle decisioni finali del medico che può cosi “personalizzare” (cd. Medicina di precisione) il suo intervento sulla base delle caratteristiche specifiche del paziente e della sua malattia. I trend recenti evidenziano ancora una volta l’importanza della corretta collezione dei dati (su cui le reti profonde apprendono) e il coinvolgimento di clinici esperti per l’annotazione di tali dati; con la costruzione razionale ed efficiente di biobanche si conta di validare modelli predittivi affidabili che siano possibilmente interpretabili e/o spiegabili affinché possano essere accettati nella pratica clinica.
Siamo nel campo della cosiddetta “Intelligenza Artificiale“ (A.I.), termine con il quale ci si riferisce a sistemi o macchine che imitano l’intelligenza umana.
Come “l’apprendimento profondo“ anche “l’apprendimento automatico” ottenuto con tecniche di Machine Learning è un sottoinsieme della intelligenza artificiale che si occupa di creare sistemi che “apprendono” in base ai dati disponibili.
Con i sistemi di “apprendimento automatico” abbiamo di fatto già una consuetudine quotidiana….. a nostra insaputa: gli smartphone dotati di riconoscimento vocale (Siri, etc), le “pubblicità traccianti “strettamente collegate ai nostri interessi dalle quali siamo bersagliati sul web, i veicoli senza piloti, etc.
L’applicazione del Machine Learning nella pratica clinica cardiologica è stato il tema affrontato dal prof Gianluca Pontone (Centro Cardiologico Monzino – Milano). L’imaging cardiaco con Risonanza Magnetica e la Tomografia Assiale Computerizzata è in grado di fornire una valutazione accurata dello stato funzionale del cuore. Però per realizzare il pieno potenziale predittivo dell’imaging cardiaco sono necessari dei sistemi di analisi in grado di individuare quali sono le caratteristiche più importanti e significative dal punto di vista prognostico. Questi dati, eventualmente integrati con altri esami clinici e di laboratorio, possono essere elaborati da un software in grado di prevedere quali pazienti corrono un rischio più elevato di sviluppare eventi cardiaci. In definitiva l’intelligenza artificiale di un super-computer, grazie ai dati forniti da un imaging sempre più preciso e sofisticato, potrebbe diventare più affidabile di un essere umano nel predire gli eventi clinici
Così pure il Machine Learning consente di analizzare le immagini mediche in modo da ottenere informazioni di tipo quantitativo. Trasformare le immagini mediche di tomografia computerizzata o Risonanza Magnetica o di PET in dati numerici quantitativi è il compito della Radiomica (prof. Giorgio De Nunzio- UniSalento) che apre nuovi scenari sulla diagnosi, la prognosi e la terapia. Dai numeri infatti derivano indicazioni sull’aggressività di una malattia, sulla prognosi, sulla terapia più idonea, sulla risposta alla cura.
“Realtà aumentata” è un termine che è entrato nel linguaggio comune per riferirsi a tecnologie (es. Google Glass) che permettono, con l’utilizzo di particolari strumenti digitali, di ottenere una conoscenza più approfondita e specifica di elementi già presenti già presenti nell’ambiente circostante. L’elaborazione digitale permette pertanto un arricchimento delle percezioni es. visive o sonore, un potenziamento della percezione del mondo reale. La “realtà virtuale” è invece un ambiente del tutto digitale (un “mondo parallelo”) che simula la realtà effettiva. Realtà aumentata e realtà virtuale, con le loro possibili applicazioni in ambito medico, sono state l’argomento della relazione del Prof. Lucio De Paolis (UniSalento).
In questo numero di Salento Medico sono pubblicate le relazioni del prof. Alessandro Carriero (Diagnostica per Immagini – Università Piemonte Orientale), della dott.ssa Angela Mastronuzzi (Pediatria Osp. Bambin Gesù di Roma) e del dott. Andrea Carai (Neurochirurgia Osp. Bambin Gesù di Roma) con l’analisi ed il commento di alcune tra le straordinarie applicazioni delle innovazioni tecnologiche in Medicina.
Il FUTURO è già iniziato. Lungi dal poter farne a meno, le nuove tecnologie sono indispensabili per contribuire alla realizzazione di una medicina “di precisione” che, come un abito sartoriale, si adatti perfettamente ad ogni ammalato, “unico” per caratteristiche genetiche, vissuto personale e tipologia di processo morboso.
SALVATORE SILVIO COLONNA