Deep Learning: la tecnologia ‘vale’ come un farmaco?

Gli algoritmi sono ormai in grado di diagnosticare le malattie in modo molto accurato, come (se non meglio) dei medici. Se l’obiettivo della medicina è curare meglio i pazienti e prevenire le malattie, la tecnologia deve essere ‘regolamentata’ come i medicinali?

 

 

All’inizio di quest’anno il ricercatore della Stanford University Sebastian Thrun ha dimostrato, insieme ai suoi colleghi, le potenzialità degli algoritmi di deep learning nel diagnosticare il cancro della pelle, con una precisione ed accuratezza pari a quella di un oncologo-dermatologo molto esperto. I risultati sono stati pubblicati sulla prestigiosa rivista scientifica Nature parlando della nuova era della medicina nella quale la “diagnosi via software” e l’intelligenza artificiale diventano preziosi alleati dei medici (se non addirittura concorrenti!).

Nel caso della ricerca condotta da Thrun e dal suo team, gli algoritmi impiegati sono quelli ormai maturi del riconoscimento delle immagini, “perfetti – dicono gli esperti del team di Stanford – per la ‘lettura’ delle radiografie, delle risonanze magnetiche e, in generale, delle fotografie e delle immagini utilizzate in medicina per la diagnosi delle malattie”.

Anche se la ‘scoperta’ di Thrun è concretamente efficace, gli esperti e studiosi di medicina hanno sollevato la questione del cosiddetto ‘deep learning black box’: a differenza degli altri software di analisi, dove c’è un programmatore che definisce delle regole attraverso le quali si struttura l’analisi stessa e si arriva all’informazione finale, un motore di deep learning trova le regole di analisi in modo autonomo e giunge dunque alle ‘conclusioni’ senza però lasciare traccia del ‘percorso’ compiuto. Una questione parecchio ‘delicata’ in medicina, dato che dalla diagnosi dipende la scelta di una cura ed il benessere o meno di un paziente.

Monique Brouillette, giornalista e reporter scientifica, affronta il tema sulle pagine del MIT Technology Review, partendo dall’opinione di Nicholson Price, uno studioso legale della University of Michigan: “con un sistema di diagnosi ‘black box’, i medici non sanno come si arriva ad una determinata conclusione perché non c’è alcun medico ad effettuare le analisi o che comprenda come vengono svolte”.

Sicuramente la questione non è banale ma, osserva Price, “tutto sommato anche per molte medicine, già in uso regolarmente, ancora non si conoscono del tutto gli effetti. Per capire esattamente ‘come funzionasse’ l’aspirina ci sono voluti oltre 70 anni; il meccanismo con il quale il litio riesce ad influenzare l’umore non è ancora stato chiarito, eppure sono già stati approvati a livello internazionale farmaci a base di questo principio per il trattamento del disturbo bipolare”.

I medici a cui sono stati presentati i risultati raggiunti dagli algoritmi messi a punto da Thrun si sono mostrati decisamente interessati: il team di Stanford ha prima effettuato un training del software attraverso quasi 130mila immagini di malattie della pelle – valutati da esperti – che hanno poi permesso all’algoritmo di analizzare poco più di 2mila differenti malattie e riconoscere quasi 2mila immagini di tumori della pelle, con una percentuale di successo oltre il 96%.

La questione dell’analisi e di come si possa giungere ad una diagnosi sembrerebbe facilmente superabile: la FDA – Food and Drug Administration americana – in una recente dichiarazione – ha riconosciuto di aver già approvato, nel corso degli ultimi 20 anni, diversi sistemi di riconoscimento delle immagini e machine learning con il chiaro obiettivo di curare con più efficacia o prevenire le malattie, facendo quindi rientrare anche questo genere di tecnologie all’interno dell’osservatorio e della regolamentazione della FDA stessa. Ma come la mettiamo allora con l’approvazione legale che, nel caso dei medicinali, ancora oggi richiedono molti anni di ricerca e sperimentazione prima di poter arrivare al paziente?

 

Leggi anche: