Un libro rivolto anche ad un pubblico non esperto, che illustra il funzionamento delle principali piattaforme di AI e i principali campi di applicazione in ambito sanitario
L’intelligenza artificiale (AI) sta diventando uno strumento sempre più utilizzato in campo medico, il problema è che si tratta di tecnologie molto complesse il cui impatto non è sempre facile da prevedere. In Italia, sono ancora pochi i testi rivolti a un pubblico non necessariamente esperto che affrontano i nodi cruciali della questione e spiegano con chiarezza il funzionamento delle principali piattaforme di AI, molte delle quali stanno già entrando negli studi clinici. Tra questi, merita attenzione la “Guida facile all’intelligenza artificiale in medicina”, recentemente pubblicata da Il Pensiero Scientifico Editore, a firma di Alberto E. Tozzi e Diana Ferro, entrambi in forza presso l’Ospedale Pediatrico Bambino Gesù di Roma, nell’unità di ricerca in medicina predittiva e preventiva.
In particolare, Alberto Tozzi è un riferimento autorevole nella divulgazione scientifica sulle nuove tecnologie applicate alla medicina, con diversi titoli già all’attivo, anche per la stessa casa editrice. Una delle qualità del libro è senz’altro la sua agilità: i contenuti sono completi e proposti in modo chiaro, senza appesantimenti che potrebbero ostacolarne la comprensione. Si parla di reti neurali – un ambito di ricerca non nuovo – e del loro legame con l’AI, chiarendo bene cosa si intende per intelligenza artificiale e in cosa si differenzia rispetto alla big data analysis di cui si discute da anni. Viene poi proposta una panoramica dei principali campi di applicazione dell’AI in ambito sanitario, così che anche il lettore non specialista possa orientarsi fin da subito tra le possibili implementazioni, molte delle quali sono già in fase di integrazione nella pratica clinica. Diagnosi, predizione, identificazione di molecole promettenti per lo sviluppo di nuovi farmaci: temi particolarmente rilevanti per chi si occupa di malattie rare – e per chi ne è affetto.
Basti pensare che nel 2020 si contavano una ventina di farmaci sviluppati con l’intelligenza artificiale; nel 2023 erano 70, e stando alle notizie che si leggono settimanalmente sulle testate specializzate, non possiamo che pensare che nell’ultimo anno questi numeri siano cresciuti altrettanto velocemente. In soli quattro anni abbiamo assistito a un boom senza precedenti per una tecnologia medica, come racconta un’indagine realizzata dal Boston Consulting Group e pubblicata nel giugno 2024 sulla rivista Drug Discovery Today. Ne è emerso un primo quadro dei tassi di successo clinico dei farmaci e dei vaccini sviluppati con l’aiuto dell’intelligenza artificiale. I primi dati sono incoraggianti: le molecole identificate tramite AI stanno registrando percentuali di successo nelle fasi iniziali degli studi clinici nettamente superiori rispetto alla media storica del settore.
Uno dei capitoli forse più affascinanti per questo ambito è quello dedicato ai cosiddetti “digital twin”, definiti dagli autori come “una replica digitale di un oggetto che riproduce anche i cambiamenti che avvengono nell’oggetto reale”. Oggi, questi “gemelli digitali” possono rappresentare la biologia umana su diverse scale, permettendo sperimentazioni virtuali e la predizione dell’efficacia di terapie farmacologiche. La ricerca sulle malattie rare, rispetto a quella su patologie più comuni, presenta ostacoli specifici – come la scarsità di pazienti per i trial clinici – e l’AI potrebbe aprire strade finora inaccessibili per via dei rischi, dei costi o dei tempi troppo lunghi.
Attualmente non possediamo ancora una conoscenza sufficiente per creare digital twin davvero accurati, ma – spiegano gli autori – i progressi sono rapidi e costanti, grazie alla capacità dell’AI di connettere in modo veloce e coerente enormi quantità di dati eterogenei. Una delle prospettive più promettenti riguarda lo sviluppo accelerato di nuovi farmaci, soprattutto per quelle patologie che oggi dispongono di poche opzioni terapeutiche. Sistemi di digital twin sono comunque già operativi. Alcuni lavorano a livello cellulare, creando cellule virtuali da usare negli esperimenti, altri si concentrano su singoli organi, e si stanno muovendo i primi passi anche verso la modellazione digitale di un intero organismo umano. L’azienda biotech DeepLife, ad esempio, sviluppa gemelli digitali di cellule per supportare la ricerca farmacologica, mentre il progetto europeo EDITH sta realizzando una piattaforma che raccoglie dati fisiopatologici umani per alimentare simulazioni e modelli predittivi utili nello sviluppo di terapie.
Siamo senza dubbio entrati in una nuova era della ricerca medica, come sottolinea nella sua presentazione Alessandro Vespignani. Per coglierne appieno potenzialità e rischi – tema a cui è dedicato anche l’ultimo capitolo, incentrato su etica e regolamentazione dell’intelligenza artificiale – è fondamentale acquisire una minima “alfabetizzazione algoritmica”, che questa guida aiuta a sviluppare.
