Il futuro dell’healthcare
Machine learning per una relazione medico-paziente olistica, illuminante e con la persona al centro
Intervista a Enzo Grossi, consulente scientifico di Bracco Imaging e direttore scientifico presso l'istituto Villa Santa Maria
La medicina al tempo dei Big Data si interroga sulla qualità delle informazioni che riesce a recuperare: non è più solo questione di ‘knowledge’ management’, ma soprattutto di ‘truth management’: è importante capire perché rilevare certe informazioni piuttosto di altre, e a quali domande queste possono aiutare a rispondere.
Nella visione di Enzo Grossi, consulente scientifico di Bracco Imaging e direttore scientifico presso l'istituto Villa Santa Maria, il Machine Learning oggi è quell’elemento che permette di ridurre il lavoro di routine del personale medico e grazie al quale i medici ritrovano il tempo da dedicare all’aggiornamento professionale.
Nasce un nuovo modello di Sanità: quali sono gli effetti di cui potrà beneficiare l’umanità?
Fino all’altro ieri avevamo un medico “intuitivo” e propenso alle relazioni umane, con pochi dati a disposizione e che basava la sua attività sul rapporto diretto tra medico e paziente. Se volessimo associarlo a una figura iconica penserei al dottor Andrew Manson, interpretato da Alberto Lupo nella miniserie televisiva degli anni ’60 “La Cittadella”.
Poi abbiamo avuto il passaggio al medico “burocrate”, oberato da molte informazioni, un po’ come il povero dottor Guido Tersilli interpretato da Alberto Sordi, che dispone
di molte risorse terapeutiche ma non ha più tempo da dedicare al singolo paziente. Oggi possiamo contare sul “medico algoritmico” grazie al Machine Learning che abilita un nuovo modello di Sanità/Medicina.
Gli effetti di cui potrà beneficiare l’umanità riguardano gli ambiti della medicina di precisione e la medicina predittiva, quelle grazie alle quali sarà possibile offrire cure personalizzate, da un lato, e prevenire le malattie, dall’altro, lavorando sul benessere delle persone e non sulla cura dei pazienti malati.
Secondo lei qual è il legame tra diagnosi precoce e accurata, tema tipicamente medico, e “cultura del dato”, tema tipicamente economico?
Il medico tipicamente, di fronte a un caso, va a cercare nella sua memoria un altro paziente “simile”, che lo riporta in qualche modo a fare similitudini con il caso attuale. La ricerca del “caso gemello” richiede una enorme esperienza e un patrimonio di informazioni molto ampio. Portare la “cultura del dato” in campo medico significa offrire quell’esperienza e quelle informazioni anche ai medici più giovani che, attraverso sofisticati sistemi di analisi dei dati, possono dedurre correlazioni e raccogliere informazioni per poter formulare una diagnosi e definire una cura. Una sorta di “assistenza remota” che diventa un asset anche per i medici più esperti perché consente loro di dedurre informazioni da migliaia di dati in tempi molto rapidi.
L’essere umano cerca comprensione. Lo diceva Ippocrate più di 2500 anni fa. È meglio sapere che persona una malattia ha invece che sapere che malattia ha una persona
Non solo diagnosi: come potranno migliorare le cure per i pazienti?
Chirurgia clinica e chirurgia genetica sono due ambiti dove i sistemi robotici di precisione arricchiti di sistemi cognitivi e di Machine Learning hanno già ampiamente dimostrato un potenziale enorme. In ambito puramente clinico è ancora un po’ difficile perché le variabili che interagiscono sulle singole persone sono innumerevoli e influiscono su sintomi e malattie in maniera spesso imprevedibile.
La sfida della medicina di precisione si gioca sulla costruzione di modelli matematici che entrano nella sfera dei cosiddetti algoritmi evolutivi/genetici, in grado di selezionare in maniera non riduttiva l’informazione essenziale eliminando il cosiddetto “white noise” inevitabilmente presente.
Dal punto di vista della ricerca in campo farmacologico, invece, oggi proprio grazie al Machine Learning, si sono accorciati i tempi di scoperta delle molecole e del loro comportamento, base fondamentale per lo sviluppo dei farmaci, ancor più di quelli personalizzati.
Un ritorno alla relazione più profonda tra medico e paziente?
L’essere umano cerca comprensione. Lo diceva Ippocrate più di 2500 anni fa. È meglio sapere che persona una malattia ha invece che sapere che malattia ha una persona. Questa è la sintesi filosofica perfetta della medicina di precisione. Conoscere la persona è il giusto passo per poterla curarle al meglio. La malattia, in fondo, è solo una delle informazioni da raccogliere, se pensiamo alla persona nella sua interezza.
Articolo tratto da
Trend by itasascom
Speciale Machine Learning
Letture consigliate
- ARTICOLO Cosa sono i chatbot?Il chatbot è una forma di intelligenza artificiale conversazionale progettata per semplificare l'interazione tra uomo e computer. Scopri in che modo i chatbot sono utilizzati nelle aziende e come possono essere incorporati nelle applicazioni di analytics.
- ARTICOLO Risk data aggregation: Transparency, controls and governance are needed for data quality and reportingFinancial institutions’ data aggregation and reporting techniques and systems are receiving increased attention both internally and externally. Find out how to take a comprehensive approach to BCBS principles and risk data aggregation and management.
- ARTICOLO Five ways your organization can enhance resilience for years to comeInnovation, agility and customer-centricity frequently top the list of companies’ strategic objectives, and now the most urgent priority is resilience. Given this new urgency, it’s worth taking a close look at the underpinnings of resilience and how they could be applied in any industry. This article explores how analytics can help boost resilience and includes key elements to keep your organization resilient.
- ARTICOLO How AI and advanced analytics are impacting the financial services industryTop SAS experts weigh in on the topics that are keeping institutions up at night and fraudsters in a job.
Ready to subscribe to Insights now?
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.