Dietro alla strana scelta del governo inglese di evitare il lockdown a favore di una presunta e ancora da verificare immunità generalizzata sembrerebbe esserci anche un algoritmo. [EP1] La previsione di questo algoritmo aveva inizialmente acceso la speranza che le terapie intensive del regno unito potessero resistere all’urto senza un doloroso lockdown totale. Quando lo stesso algoritmo ha smentito la sua previsione il governo ha cambiato rapidamente direzione, tentando di rimediare al danno. L’utilizzo di modelli matematici per tracciare il contagio e avere una base su cui strutturare la risposta sanitaria e politica alla malattia è una novità delle più recenti epidemie, compresa COVID-19. Tolta qualche eccezione, come in Corea del Sud, le previsioni dei modelli si sono però tradotte in uno strumento pratico piuttosto antico: la quarantena. Questo connubio tra software e algoritmi avanzati e protocolli degni della Venezia del quattordicesimo secolo (dove il termine quarantena è stato forgiato) fa sorgere un interessante quesito sull’evoluzione della medicina nei prossimi anni: quali strumenti attendono di essere implementati e come cambieranno il volto della medicina e del sistema sanitario? Ci attendono cambi sostanziali o evoluzioni più graduali?

Tra gli strumenti che hanno ricevuto più attenzioni e si sono caricati di aspettative negli ultimi dieci anni ci sono sicuramente le intelligenze artificiali. Seguendo un trend che non è esclusivo del campo medico, gli articoli che parlano di intelligenze artificiali e della loro applicazione in medicina sono aumentati in modo esponenziale dal [inserire] ad oggi segnalando come il periodo di scetticismo che aveva colpito la ricerca del settore sia effettivamente finito. Anzi, le intelligenze artificiali sembrano essere la potenziale soluzione per ogni problema del mondo medico-sanitario: dal controllo dei database ospedalieri all’aggiornamento della conoscenza dei medici passando per la diagnosi e il controllo dei robot nelle sale operatorie.

In particolare, due tipi di intelligenze artificiali sembrerebbero adatti al campo medico: le reti neurali e le macchine a vettore di supporto. Entrambi sono modelli dotati di machine learning, una tecnica che permette all’intelligenza artificiale stessa di individuare strutture e raggruppamenti all’interno dei dati che le vengono proposti e adattarsi ad essi per compiere previsioni o categorizzare nuovi esempi. I vantaggi di un processo di addestramento del genere sono notevoli: prima di tutto permette di utilizzare queste intelligenze artificiali per compiti in cui non si ha un’euristica sufficientemente accurata o dove la ricerca avrebbe troppi parametri e sarebbe eccessivamente lunga e costosa. Un esempio recente è la rete neurale sviluppata da [nome del team] che è stata usata per accelerare il processo di sintetizzazione di nuovi farmaci. Un processo per prova ed errori lungo e complesso che richiederebbe in media quattro o cinque anni per essere completato è stato risolto in un anno solo, abbattendo enormemente il costo della ricerca stessa. In secondo luogo, le intelligenze artificiali dotate di machine learning permettono, non essendo programmate esplicitamente da un essere umano, di limitare la portata dei bias cognitivi che un esperto potrebbe inserire inavvertitamente nella produzione di un’intelligenza artificiale tradizionale. Secondo la stima di [inserire nomi], il 65% degli errori clinici più gravi sono dovuti questo tipo di bias. Automatizzare la diagnosi tramite reti neurali e macchine a vettore sarebbe quindi un ottimo risultato per la medicina. Anche se dei dubbi esistono sulla portata della limitazione dei bias quando i dati sono comunque raccolti e catalogati da esseri umani, alcune delle intelligenze artificiali più complesse sono in grado di “scegliere” i dati più rilevanti e catalogarli autonomamente. Infine, meno d’effetto ma sicuramente utile per il sistema sanitario, reti neurali e macchine a vettore di supporto sono estremamente brave a gestire grandi moli di date e, usate assieme a intelligenze artificiali in grado di leggere linguaggi naturali potrebbero facilmente gestire e integrare i sempre crescenti database medici e ospedalieri, collegare tra loro ospedali o professionisti sanitari in modo semplice e veloce o filtrare le informazioni utili per gli specialisti.

Per immaginarci come cambierà la medicina con l’ausilio di questi nuovi strumenti possiamo provare a creare tre scenari con diversi gradi di realismo (e di attuabilità) andando dal futuro prossimo a quello più fantascientifico. Lo scenario A vede le intelligenze artificiali uscire dalla fase attuale di prova e iniziare i test clinici veri e propri. Con le giuste tutele e assicurazioni sulla loro sicurezza e accuratezza, saranno implementate come strumento di sostegno e aiuto per molteplici campi e processi medici. Sicuramente nel decision making saranno usate come convalida delle diagnosi mediche o come strumento di previsione del rischio. Un’esperta umana sarà poi chiamata a verificare o smentire costantemente l’operato della macchina. Altre applicazione meno rischiose, come per esempio la gestione dei database o la creazione dei farmaci, avranno molta più autonomia (abbaiamo visto come alcune intelligenze artificiali siano già utilizzate per produrre farmaci e velocizzare la fase di ricerca). Sicuramente saranno inserite in macchinari e strumenti già esistenti. Un low-hanging fruit è la radiologia: è già stato messo in luce come l’analisi delle radiografia sia un’arte incerta e con ampi margini di variazione tra esperti. Probabilmente le reti neurali saranno inserite direttamente nella macchina per migliorare le immagini e sintetizzare meglio i dati prima di passarli allo specialista. Un’ipotesi affascinante è quella di inserire intelligenze artificiali dotate di machine learning all’interno di applicazioni per la salute. Gli smartphone più recenti hanno già una serie di sensori utili per dare un primo allarme in caso di malattie cardiovascolari e la capacità di previsione delle reti neurali o delle macchine a vettore di supporto potrebbe migliorarne grandemente l’efficacia. In questo primo caso l’applicazione delle intelligenze artificiali sarà ancora limitata dal fatto che siano sostanzialmente delle black box. Allo stadio attuale infatti è impossibile sapere come queste intelligenze artificiali formino le regole del loro comportamento, per lo meno a un livello sufficientemente semplice da trasformarlo in una spiegazione narrativa.  Le intelligenze applicate non potranno adattarsi autonomamente al lavoro che stanno svolgendo [EP2] principalmente per riuscire a mantenere una qualche forma di oversight. La cornice etica per la loro applicazione rimarrà quindi la stessa che si applica per altri strumenti medici e problemi di attribuzione di responsabilità saranno risolti con strumenti legali già esistenti (per esempio valutando la soglia di accuratezza e se questa sia paragonabile a quella dei test svolti dalla manifattura). Alcuni studi mettono in luce come le applicazioni di strumenti automatici e autonomi producano nei loro utilizzatori eccessiva sfiducia o, all’estremo opposto, eccessiva fiducia: probabilmente in questa fase si dovranno trovare architetture della [EP3] scelta in grado di limitare questi tipi di bias.

Nello scenario B le intelligenze artificiali saranno progressivamente accettate. Una qualche tecnica sarà stata sviluppata per controllarne l’operato rendendole più sicure e affidabili. Di conseguenza alcune delle pratiche sanitarie a basso impatto etico potranno essere completamente automatizzate. Controlli di routine dei parametri dei pazienti, analisi dei risultati di test e diagnosi di malattie stagionali come l’influenza potranno essere svolti in autonomia dalle intelligenze artificiali alleviando il peso sulla medicina di base e su infermieri e tecnici negli ospedali. Se la medicina prosegue sul trend di iperspecializzazione e parcellizzazione delle cure sanitare che si è potuto osservare finora, le intelligenze artificiali colmeranno il divario tra i vari specialisti, unendo i dettagli della vita clinica dei pazienti e fornendo previsioni e allarmi durante l’insorgenza di malattie croniche e non. Per questo scenario sarà necessario una nuova cornice etica e filosofica che colmi il problema dell’attribuzione di responsabilità. Le intelligenze artificiali più avanzate sono in grado infatti di continuare ad apprendere mentre operano sul campo rendendo difficile e nebulosa l’attribuzione di responsabilità sia ai creatori che non hanno codificato quel particolare aggiornamento delle regole del funzionamento, sia agli utilizzatori finali che difficilmente potrebbero costantemente monitorare l’apprendimento della macchina. Una possibile soluzione sarà considerare queste intelligenze artificiali come agenti morali a tutti gli effetti, parzialmente e funzionalmente responsabili per le azioni che compiono. Strumenti legali ed etici come il consenso informato dovranno essere ampliati per tenere conto della presenza di questi nuovi attori nel rapporto professionista-paziente. Per prevenire alcune delle preoccupazioni più pressanti che ruotano attorno a queste intelligenze artificiali, principalmente al riguardo della violazione della privacy e a possibili discriminazioni, potranno essere create commissioni degli interessati per regolare il funzionamento delle intelligenze artificiali e verificare che siano conformi agli standard e alle disposizioni etiche richieste.

Lo scenario C è quello più fantascientifico: se l’autonomia e l’efficacia delle intelligenze artificiali continuerà ad aumentare non è impossibile immaginare un mondo in cui la medicina sia automatizzata quasi completamente. In cui ogni smartphone, tablet o PC possa connettersi al proprio medico artificiale e avere responsi in tempo reale, farmaci creati appositamente per il proprio corredo genetico e risultati di complessi test in pochi secondi. Ovviamente, per uno scenario del genere, dovremo aspettare di vedere come si evolveranno realmente.

 [EP1]Fonte da verificare

 [EP2]Formulare meglio e inserire prima un plant per questo payoff.

 [EP3]Spiegare il termine