di Riccardo Bugliosi
Pubblicato il 17/03/2020
L’epoca che stiamo vivendo è caratterizzata da un rapporto uomo – natura del tutto sconosciuto ai nostri avi. Le tecnologie, l’aumento della popolazione e la globalizzazione stanno producendo effetti la cui scala non si era mai vista nella storia. Conosciamo tutti le gravissime problematiche legate al riscaldamento globale (Global Climate Change) che sono solo una delle sfide che dobbiamo affrontare. In questo articolo della prestigiosa ‘The Lancet’ potete approfondire gli effetti dei cambiamenti climatici sulla nostra salute.
Fatte queste premesse, l’oggetto di questo articolo sarà quello di approfondire come l’eHeath ed in particolare la robotica e l’Intelligenza Artificiale (IA) possano darci delle nuove possibilità per affrontare meglio le sfide derivanti da eventuali future pandemie.
Epidemiologia e pandemie, modelli predittivi
Una sfida che stiamo affrontando in questi giorni che ci mette di fronte a tutta la nostra fragilità a livello globale è quella con l’epidemia da Coronavirus (COVID-19 o SARS-CoV-2).
Suggerisco la lettura di un libro assai illuminante in materia: Spillover (Animal infection and the Next Human Pandemic) di David Quammen. Spillover può essere tradotto con ‘salto di specie’. È stato pubblicato nel 2012 ma è di grande attualità e getta inoltre una luce approfondita sulla storia di Ebola.
Un ulteriore elemento di riflessione è presente nell’articolo, pubblicato dal prestigioso New England Journal of Medicine, nel quale Bill Gates ci pone di fronte ai due aspetti cruciali dell’attuale pandemia: come risolverla subito ma, soprattutto, come affrontare le possibili prossime. Per citarlo “Esperti di sanità globale da anni ci hanno avvertito che un’altra pandemia che abbia le caratteristiche di velocità di espansione e severità di quella dell’influenza del 1918 non è una questione di ‘se’ ma di ‘quando.” Già nel 2015 in una delle conferenze TED lo stesso Bill Gates aveva anticipato gli stessi temi.
Sull’Outbreak Analytics, la possibilità di studiare ed analizzare le epidemie, la loro evoluzione o addirittura di cercare di prevenirle, vi ho già fatto una breve disamina ma sono intervenute nel frattempo delle novità. Sappiamo che il primo alert sull’epidemia che poi si è dimostrata essere quella del COVID-19 è stato dato non solo dalla canadese BlueDot ma anche da altre due società che hanno riconosciuto i primi segni di un’atipica diffusione di polmonite in Cina: la prima è la HealthMap, la seconda è la Metabiota, basata a San Francisco. Quest’ultima ha creato anche un interessante tool (Metabiota Epidemic Tracker) sul coronavirus visibile a questo link.
È importante considerare che tutti questi sistemi ci danno degli strumenti assai sofisticati per segnalare pericoli imminenti e, potenzialmente, salvare vite umane, predisporre difese. Il problema sta nel fatto che non sappiamo esattamente come funzionano gli algoritmi utilizzati in questi sistemi di Machine Learning. Non si tratta di sistemi integrati. D’altro canto un grosso limite di cui soffrono è quello di non poter avere accesso ai dati sanitari dei singoli paesi. Questo è pienamente comprensibile per la delicatezza della problematica ma dovremo studiare forme di fornitura di queste informazioni così sensibili in maniera tale che possano garantire un accettabile livello di privacy e, al contempo, siano politicamente accettabili. In questo modo si fornirebbero ai Big Data elementi cruciali per il Machine Learning. È un problema complesso. Inoltre sarebbe utile accedere ai dati dei social network che già vengono elaborati per scopi commerciali.
Epidemiologia in corso di pandemia
È molto interessante il caso di Taiwan che dista pochi chilometri dalla costa cinese e dalla cui isola più di 400.000 persone lavorano in Cina. Dopo l’esperienza della SARS del 2003 le autorità taiwanesi si sono allertate costantemente per reagire ad una nuova possibile epidemia. Non appena si è manifestata l’evidenza dell’epidemia da COVID-19 le autorità taiwanesi hanno messo in opera una complessa serie di azioni fra le quali ci interessa segnalare la creazione di un vasto set di dati per la Big Data Analytics che ha generato segnalazioni che sono state sfruttate nel selezionare e visitare i pazienti. Tutto questo è stato possibile sfruttando un’immensa mole di informazioni individuali riguardanti sia gli eventi degli ultimi 14 giorni sia lo stato di salute pregresso del paziente. Sono stati monitorati i viaggi e gli spostamenti dei singoli individui quasi certamente utilizzando la geo localizzazione ed ottenendo ulteriori informazioni dalle compagnie telefoniche. In questo articolo si possono trovare i dettagli di questa complessa operazione.
Visual Analytics
La Visual Analytics è la scienza del ragionamento analitico dei dati facilitato dall’interfaccia grafica interattiva che mostra le informazioni. In questo settore il Center for Systems Science and Engineering (CSSE) dell’Università Johns Hopkins di Baltimora, US ha sviluppato una mappa interattiva aggiornata in tempo reale con le informazioni sulla pandemia da Coronavirus. La mappa è consultabile a questo link se la volete visualizzate su un PC oppure a questo per visualizzarla su smartphone. La mappa visuale appare come nella seguente immagine.
Robot per gli ospedali
Nell’epicentro dell’epidemia da Coronavirus SARS-CoV-19 cui stiamo assistendo è stato attrezzato un reparto dove i robot aiutano i pazienti non gravi nella loro quotidianità ospedaliera. Questo progetto è nato dalla collaborazione tra l’ospedale Wuhan Wuchang, la Chinese Academy of Sciences, l’azienda di robotica CloudMinds e ChinaMobile che ha allestito la rete 5G necessaria per far funzionare il reparto.
Al momento i robot assistono ed aiutano a monitorare i pazienti, svolgono attività infermieristica di base ma non sostituiscono completamente il personale sanitario. Occorre comunque evidenziare che in questo modo lo stesso personale, oltre ad essere meno gravato di lavoro, è soprattutto meno esposto al rischio di esporsi all’infezione. Come mostrato nel seguente video i robot assistono le persone che sono isolate in quarantena.
Diagnosi dell’infezione con l’Intelligenza Artificiale
Alibaba, colosso cinese dell’informatica, ha annunciato di aver realizzato a partire dai primi di Febbraio 2020 un sistema di analisi delle immagini TC basato sull’ IA che è in grado di diagnosticare un’infezione da coronavirus con un’accuratezza del 96% facendo un’accurata diagnosi differenziale con altri tipi di polmonite. Il sistema è stato istruito su un data base di 5000 immagini radiografiche di pazienti positivi al coronavirus ed è oggi largamente testato in Cina. Sono almeno 100 le strutture sanitarie che lo stanno utilizzando e valutando. Abbiamo già descritto un esempio di un approccio simile per lo screening del tumore del seno. In quel caso era coinvolta DeepMind di Google. In entrambi i casi il grande vantaggio offerto da questi sistemi consiste nella grande velocità di elaborazione delle immagini e quindi nell’enorme volume di lavoro che possono svolgere in tempi ristretti.
Farmacologia produzione di vaccini
Anche di questo settore abbiamo accennato nel mio precedente articolo. Nel frattempo però è stata pubblicata un’approfondita disamina su Nature che parte dal presupposto che abbiamo bisogno di nuove idee e di ripensare il modo di realizzare nuovi farmaci in quanto il modello sinora seguito è divenuto troppo costoso e, soprattutto, poco efficace. La maggior parte dei nuovi trial clinici su nuove molecole non porta a risultati soddisfacenti. Per la creazione di nuovi farmaci o per selezionare tra i moltissimi esistenti al fine di combattere agenti patogeni, come il Coronavirus attuale, sconosciuti al nostro organismo e quindi estremamente pericolosi dal punto di vista della loro diffusione e, ovviamente, pericolosità. Nella ricerca di nuovi farmaci uno degli aspetti più frustranti consiste nel fatto che nuove molecole, spesso promettenti, risultano essere efficaci a tutti gli stadi di validazione ma poi, una volta testati sull’uomo falliscono.
Le case farmaceutiche investono ed hanno investito grandi quantità di denaro in questa ricerca ma con ritorni economici sempre inferiori. Quando ho affrontato questa tematica non ho fatto cenno al fatto che Google DeepMind ha realizzato un sistema, chiamato AlphaFold System che sembra capace di produrre la struttura 3D di una proteina a partire unicamente dalla sua sequenza genomica.
Questo è un salto tecnologico e scientifico enorme che in prospettiva permette di abbattere i tempi di sviluppo sia dei farmaci che dei vaccini. Sinora i ricercatori sono stati in grado di riprodurre la struttura delle proteine utilizzando tecniche come la microscopia crioelectronica, la Risonanza Magnetica Nucleare oppure la cristallografia a raggi X. Tutte tecniche molto complesse, costose e dai tempi lunghi.
Nel 1960 Linus Pauling scriveva:
“Io credo che saremo capaci di avere una più profonda conoscenza della natura di una patologia in generale una volta che saremo in grado di conoscere le proteine del corpo umano, incluse quelle anomale, e questa comprensione ci permetterà … di affrontare il problema della patologia in maniera molto più efficace in maniera tale che sarà possibile sviluppare nuovi metodi di terapia”.
AlphaFold ha pubblicato su Nature un articolo nel quale vengono descritte le possibilità offerte dal sistema. E’ stato in seguito pubblicato il risultato del lavoro svolto sul COVID-19 del quale sono state riprodotte le strutture 3D ipotetiche di alcune proteine. Queste ricerche sono fondamentali per futuri sviluppi nelle tecnologie di ricerca sui vaccini
A presto
Parole chiave: COVID-19, Coronavirus, Machine Learning, Deep Learning, Big Data, DeepMind, Alibaba, CloudMinds, Pandemia, Outbreak Analytics, Robotica, SpillOver, Visual Analytics, Hypnerotomachia Poliphili.
Leggi tutti gli articoli di Medicina 4.0
Google DeepMind: Intelligenza Artificiale nello screening radiologico del tumore del seno
3DBioprinting: l’utilizzo delle stampanti 3D nella Medicina Rigenerativa
L’Internet delle cose “Internet of Things” e la medicina prossima ventura
La robotica in chirurgia e medicina
Intelligenza Artificiale in medicina, l’esempio di DeepMind in oculistica
Wearable devices, big data e frequenza cardiaca
Dall’informatica medica all’eHealth
Per contattare l’autore potete scrivere una mail a comunicazione@cassagaleno.it
*Riccardo Bugliosi è medico, specialista in medicina interna. Esperto di Intelligenza Artificiale. Lavora nell’ICT in settori anche diversi dalla medicina. Ha pregressi studi in Fisica ed Ingegneria Elettronica. Le sue pubblicazioni scientifiche e di divulgazione sono facilmente reperibili sul web.
