Intelligenza artificiale applicata in oncologia e oncoematologia. Tumore della vescica

Parlare di Intelligenza artificiale (AI) è come uscire dall'atmosfera della terra e scoprire un universo pieno di opportunità. È esplosa grazie a computer sempre più performanti rispetto al passato, che riescono ad attingere a una quantità incredibili di dati prodotti negli ultimi 10 anni. È stato quindi un passo automatico, affidandosi al machine learning, pensare di utilizzarla, per interpretare immagini radiografiche, ECG e per fare diagnosi. Esistono sistemi, anche validati dal punto scientifico, che dimostrano come si possa raggiungere una diagnosi con un'affidabilità spesso comparabile a quella dei migliori specialisti in determinate aree mediche.

Qualcuno ha pensato anche di utilizzarla nell'ambito del cosiddetto decision making: i sistemi per il supporto ai processi decisionali sono sempre esistiti, oggi però attraverso il machine learning hanno una marcia in più e possono essere utilizzati per cercare di individuare il trattamento farmacologico più adatto per ogni determinato paziente.

C'è poi l'area della ricerca, in cui l'AI può facilitare nell'identificazione delle molecole più promettenti da sperimentare portando a una riduzione dei tempi di conduzione degli studi clinici e in ultima analisi ad una più rapida disponibilità di terapie innovative. Recenti evidenze scientifiche hanno evidenziato la capacità di AI di identificare particolari tipi di tumore. A queste aree si affianca poi quella della predizione. Oggi esistono sistemi che basandosi su dati clinici digitalizzati sono in grado di identificare e di predire particolari eventi che potranno accadere a distanza di anni. Si possono individuare tipologie di pazienti a rischio sui quali fare maggiore prevenzione ed evitare che il quadro si aggravi. Similmente, i large language models possono permettere di costruire score prognostici nell'ottica della medicina di precisione.

Inoltre c'è tutta l'area del Natural Language processing, che abbraccia le potenzialità proprie di questi strumenti nell'interpretare il testo scritto contenuto in una cartella clinica informatizzata.

L'utilizzo dell'AI non è scevro da potenziali rischi. Il principale rischio in tal senso è che i dati dai quali attingere potrebbero essere privi di una rigorosa validazione scientifica. È necessario, pertanto, che i sistemi di machine learning vengano istruiti su dati di letteratura scientifica provenienti da pubblicazioni peer-review, congressi e linee guida validate dalle Società Scientifiche. L'ultima parola rimane comunque al medico, che decide se e come utilizzare l'AI o meno, basandosi su punti cardine come evidenza scientifica, sicurezza, appropriatezza, rispetto dell'equità e regolamentazione. Da questi non si può prescindere per passare da un uso ludico o sperimentale a un uso professionale.

Questo corso si sviluppa su due linee formative fondamentali per la comunità clinica e di ricerca: la prima è quella di fornire alla comunità clinica e di ricerca una panoramica generale per meglio comprendere le potenzialità delle metodologie di AI. La seconda è di provare concretamente a prendere confidenza con la tecnologia AI mediante l'utilizzo di una piattaforma di aggiornamento scientifico basata sull'AI per affrontare specifici quesiti diagnostico-terapeutici e trovare rapidamente delle risposte.