Intelligenza Artificiale e Big Data saranno il fulcro delle future cure mediche per prevenire e trattare un elevato numero di problemi: dal supporto ai medici ai trattamenti di cura. Secondo la Allied Market Research, l’analisi globale sui Big Data per il volume del mercato in ambito di assistenza sanitaria prevede di raggiungere 67.82 miliardi di dollari nel 2025, con un incremento del 19.1% rispetto al 2018.

Dal momento che l’uso dell’Intelligenza Artificiale (AI nel seguito) in ambito sanitario implica l’accesso ad un ampio volumedi dati sensibili individuali, questi dati devono restare privati e ben protetti dalle minacce informatiche. Le norme internazionali sull’AI e Big Data sono elaborate dal Comitato Congiunto ISO/IEC JTC 1/SC42 “Artificial Intelligence”; queste norme forniscono contributi al lavoro, principalmente, delll’ IEC TC 62 “Electrical equipment in medical practice” e a quello di altri Comitati Tecnici della IEC.

La maggior parte dei Paesi deve fronteggiare sfide sanitarie significative. Queste comprendono l’invecchiamento della popolazione, la carenza di medici o l’inadeguatezza delle infrastrutture sanitarie.

L’AI può fornire importanti vantaggi in alcuni settori, quali la ricerca, la diagnostica, l’analisi dei trattamenti di cura più efficaci, la telemedicina o lo sviluppo di farmaci migliori e all’avanguardia, per ottenere ciò che oggi è noto come “medicina personalizzata” o “di precisione”.

Per essere utile in ogni ambito, l’AI deve elaborare e interpretare un’ampia serie di dati per approdare a conclusioni significative. Accordi e tutele che consentano uno scambio di informazioni in ambito sanitario, a livello nazionale e internazionale, possono fornire una ineguagliabile quantità di dati.

In base alla Norma ISO/IEC 20546:2019 “Information Technology. Big Data. Overview and vocabulary”, il termine “Big Data” implica delle serie di dati così estese in volume, velocità, varietà e/o variabilità, da non poter essere trattate più a lungo utilizzando i sistemi di elaborazione esistenti.

I Big Data in ambito sanitario ricoprono molti settori ed un’ampia gamma di categorie: i dati tratti da tecnologie diagnosti- che per immagini, cartelle cliniche elettroniche (EHR) con le informazioni sulla salute dei pazienti, ricerche sul sequenziamento del genoma, sull’epidemiologia, sul cancro, sull’invecchiamento e, sempre più, i dati generati dai dispositivi indossabili o dai sensori impiantati sottocute o dai dispositivi medici.

“Machine Learning” (ML) e “deep learning” sono fondamentali per l’elaborazione e l’interpretazione di tutti questi dati, per sviluppare strumenti di Intelligenza Artificiale appropriati ad ogni categoria e, all’interno di ciascuna, applicabili ai singoli casi.

Fin dalla scoperta dell’applicazione dei raggi X, nel tardo XIX secolo, la diagnostica per immagini è stata utilizzata per visualizzare l’interno dei corpi dei pazienti; si tratta di uno strumento indispensabile che consente ai medici di diagnosticare e curare malattie e lesioni traumatiche interne.

Il settore della diagnostica per immagini ha compiuto enormi progressi con l’introduzione di nuove tecnologie, che hanno consentito la sua espansione ben oltre le sue limitazioni iniziali.

Le tecnologie mediche di diagnostica per immagini si affidano essenzialmente alle norme internazionali sviluppate dall’ IEC SC 62B “Diagnostic imaging equipment”. Alcuni esempi comprendono:

• apparecchiature per immagini a raggi X;
• tomografia computerizzata (CT), che utilizza immagini a raggi X elaborate   dal computer per produrre immagini tomografiche o “strati” di organi interni;
• scanner per immagini di risonanza magnetica (MRI) e relative apparecchiature e accessori.

Le norme internazionali per le immagini a ultrasuoni, ampiamente utilizzate per monitorare e diagnosticare la condizione di alcuni organi interni, quali fegato, reni, cistifellea e perfino il cuore, sono preparate
dall’ IEC TC 87 “Ultrasonics”. Gli scanner per le immagini di risonanza magnetica (MRI) utilizzano magneti superconduttori e onde radio per produrre immagini di parti interne del corpo. Le norme internazionali per materiali superconduttori impiegati negli scanner per MRI sono sviluppate dal TC 90 IEC “Superconductivity”.

AI (Intelligenza Artificiale) e ML (Machine Learning) sono necessarie per interpretare l’enorme volume di dati oggi a disposizione. Secondo fonti autorevoli, le tecnologie per immagini producono un’enorme quantità di dati; le sole immagini diagnostiche cerebrali “attualmente producono più di 10 petabytes (10000 terabytes) di dati ogni anno con uno sconvolgente aumento pari a nove volte la complessità dei dati (cioè la modalità di acquisizione dei dati) negli ultimi tre decenni.”

In aggiunta alle immagini diagnostiche, altre fonti, come elettrocardiografie ed elettroencefalografie (ECG, EEG) ed HER, generano un ampio volume di dati. Un loro uso significativo per diagnosi e cure richiede l’Intelligenza Artificiale, che a sua volta implica l’interpretazione di dati completi di alta qualità utilizzando l’apprendimento automatico (ML).

Un’altra applicazione sanitaria molto promettente per l’Intelligenza Artificiale riguarda lo sviluppo di nuovi farmaci mirati (o terapie a bersaglio). Importanti case farmaceutiche hanno iniziato a lavorare con ospedali, ricercatori e altri professionisti che utilizzano l’AI per analizzare ampi volumi di dati e quindi formulare stime o osservazioni.
Diverse start-up si sono presentate per occupare opportunità di nicchia.

Queste start-up compilano tutto ciò di cui il software AI ha bisogno di “imparare”, prima di analizzare le condizioni di un paziente. Ciò comprende le informazioni sulle cause di malattia, sui sintomi e sulla sua progressione, i risultati dei test clinici su molti ex-pazienti, i rapporti dei medici e le immagini diagnostiche acquisite. Dato il tempo risparmiato e il numero ridotto di studi clinici, il bilancio (ROI – Return On Investment) può essere molto significativo.

Dal momento che l’uso dell’Intelligenza Artificiale in ambito sanitario implica l’accesso ad un ampio volume di dati per- sonali, i dati devono rimanere privati ed essere protetti dagli attacchi informatici. Questo si può ottenere, fino a un certo punto, mediante l’anonimato dei dati, rendendo impossibile far risalire le informazioni ai singoli individui o a gruppi di individui.

In questo ambito, le responsabilità saranno principalmente degli operatori sanitari e dei fornitori di servizi che dovranno adottare le prassi migliori, basate sul contenuto delle norme preparate del Comitato Congiunto ISO/IEC JTC 1/SC 27 “Information security, cyber security and privacy protection”.

Un’altra questione meno ovvia ma altrettanto importante, legata ai due punti precedenti, è il possibile uso dei dati sanitari raccolti da parte di operatori delle assicurazioni sanitarie, in alcuni Paesi, al fine di ridurre le coperture o innalzare i premi.