Migliorare le diagnosi con l’intelligenza artificiale: è uno degli sviluppi futuri e auspicabili connessi alla gestione dei big data in ambito sanitario. Uno studio recente sembra dimostrare concretamente la fattibilità dell’approccio: un team di ricerca del Max Planck Institute for Human Development, dell’Istituto di scienze e tecnologie della cognizione del Cnr di Roma e della Norwegian University of Science and Technology ha recentemente testato un nuovo approccio su 1333 casi medici forniti da The Human Diagnosis Project, ognuno dei quali è stato diagnosticato in modo indipendente da 10 medici. La soluzione collettiva ha aumentato in modo sostanziale l’accuratezza diagnostica: i singoli partecipanti hanno raggiunto il 46 per cento di accuratezza, mentre l’unione delle decisioni di 10 partecipanti ha aumentato l’accuratezza fino al 76 per cento.

Le diagnosi collettive

Approcci come questo rappresentano una possibile risorsa futura contro le diagnosi errate: si stima infatti che ogni anno negli Stati Uniti 250mila persone muoiano per errori medici evitabili, molti dei quali imputabili a falle del processo diagnostico. Un modo efficace per aumentare l’accuratezza diagnostica è proprio quello di combinare le diagnosi di più medici per ottenere diagnosi collettive. Tuttavia, senza un approccio di ingegneria della conoscenza basato sui big data ciò è ancora impraticabile.

Applicabile a più specialità

I miglioramenti raggiunti dallo studio sono stati osservati per tutte le specialità mediche, i sintomi principali e i livelli di inquadramento dei partecipanti. «I nostri risultati dimostrano come l’intelligenza collettiva possa essere utile per migliorare i servizi sanitari e salvare vite umane», ha spiegato il primo autore, Ralf Kurvers del Max Planck.

Decisioni complesse

Nonostante sia noto che l’intelligenza collettiva possa aumentare l’accuratezza delle decisioni in molti settori, come le previsioni geopolitiche e gli investimenti, finora essa è stata applicata principalmente a compiti relativamente semplici. Le applicazioni a problemi più complessi e aperti, come la gestione delle emergenze o la diagnostica medica generale, sono in gran parte assenti a causa della difficoltà di integrare input non standardizzati provenienti da persone diverse.

Impiego del linguaggio naturale

Per superare questo ostacolo, i ricercatori hanno fatto uso di strumenti come il natural language processing, utile a standardizzare e allineare le diagnosi mediche provenienti da diversi specialisti. Inoltre i ricercatori stanno attualmente lavorando nell’ambito del progetto Hacid, finanziato dall’Unione europea, per portare la loro applicazione al mercato.