Intelligenza Artificiale: può prevedere le morti premature

Intelligenza artificiale è una parola che leggiamo sempre più spesso all’interno dei titoli degli articoli sparsi per il web, anche in siti che non trattano direttamente il settore tecnologico e scientifico, a testimonianza della grande importanza che sta prendendo questo nuovo paradigma di progettazione delle macchine. Ma che cosa significa intelligenza artificiale allo stato attuale? 

L’abilità di elaborare grandi quantità di dati dell’intelligenza artificiale può portare a grandi vantaggi in ambito medico

Intelligenza Artificiale: di che cosa si tratta?

Questo termine così altisonante in realtà è molto spesso usato senza conoscerne realmente il significato, tanto da dipingere sviluppi futuri apocalittici con milioni di posti di lavoro bruciati da macchine in grado di sostituire l’uomo. Non è così in realtà. Chiariamo subito che siamo ben lontani dal raggiungere la potenza del cervello umano. Certo in compiti molto precisi le macchine posso far di meglio – ad esempio giocare a scacchi o a Go -, ma replicare tutte le complesse ed eterogenee funzioni superiori della mente umana è ancora impossibile all’interno di una macchina. 

Nella maggior parte dei casi con il termine intelligenza artificiale si indicano le varie tecniche di machine learning, ovvero una serie di algoritmi di vario genere che permettono ad una macchina di imparare a risolvere un problema a partire da esempi di quest’ultimo, senza necessità di programmare in maniera esplicita la soluzione (che spesso nemmeno si conosce). Un esempio classico è il riconoscimento di soggetti nelle immagini, un compito estremamente difficile da programmare in modo deterministico, ma che può essere risolto magistralmente con metodi di machine learning. In generale l’intelligenza artificiale implementata con il machine learning sta avendo molto successo perché è in grado di risolvere problemi di cui non avevamo un descrizione matematica precisa perché troppo complessi. 

L’intelligenza artificiale Alpha Go sfida (e sconfigge) il campiona mondiale di Go, uno dei giochi di strategia più complicati del mondo

Alcune funzionalità particolarmente utili in ambito medico sono il supporto alle decisioni e le predizioni – detta in altro modo la possibilità di generare diagnosi artificialmente. Una macchina che utilizza metodi di machine learning è in grado di imparare a riconoscere malattie e ad associarvi le corrette cure, a seconda del profilo del paziente. Un aspetto fondamentale e necessario per ottenere una intelligenza artificiale ben funzionante è però il set di dati che vengono utilizzati durante l’addestramento della rete stessa. Anche per questo lo sviluppo dell’intelligenza artificiale implementata tramite machine learning è esploso negli ultimi anni: grazie al web e alla rivoluzione digitale si sono accumulate grandissime quantità di dati facilmente accessibili alle macchine. 

I big data sono fondamentali per lo sviluppo dell’intelligenza artificiale

Intelligenza Artificiale: si può predire la morte?

Lo studio in questione si è occupato di applicare metodi di machine learning per predire le morti premature di pazienti di mezza età affetti da patologie croniche. La ricerca, pubblicata sulla rivista Plos One, è stata condotta università di Notthigham che ha sviluppato un sistema di intelligenza artificiale in grado di predire la morte dei pazienti. Ottenere questo risultato non è stato per nulla semplice: il sistema è stato addestrato con i dati di circa mezzo milione di persone di età compresa fra 40 e 69 anni​, raccolti nella grande banca di dati biologici al servizio dei ricercatori, la Uk Biobank, tra il 2006 e 2010. L’importanza dei dati nello sviluppo del sistema intelligente è messa in evidenza anche da Stephen Weng, il coordinatore dello studio: 

Abbiamo sviluppato un approccio completo, usando dati demografici, clinici, e sui fattori dello stile di vita come il consumo di frutta, verdura e carne giornalieri. 

L’efficienza del sistema intelligente ha subito stupito. Esso si è rivelato in grado di produrre previsioni sulle morti premature in maniera più precisa degli esperti umani, in particolare per quanto riguarda i pazienti affetti da patologie cardiovascolari. I metodi di machine learning hanno dimostrato di essere più efficienti dei vecchi metodi statistici come la regressione Cox – la regressione è un problema molto comune risolvibile con metodi di machine learning: si tratta di trovare una relazione matematica tra un insieme di variabili causa e uno di variabili effetto, in modo da poterla usare per fare delle predizioni -, un modello molto utilizzato per studiare il tasso di sopravvivenza. 

Uno schema basilare di un a random forest

Una volta allenato il sistema di intelligenza artificiale è stata ricavato un set di predizioni che sono state confrontate con i dati reali provenienti dall’Ufficio nazionale britannico di statistica relativi alle morti, tumori e ricoveri ospedalieri. Il risultato è stato che l’uso di metodi di apprendimento supervisionato per allenare l’intelligenza artificiale come le random forest, che fanno uso di alberi di decisione, o il deep learning, che fa uso di reti neurali a vari strati, è riuscito a migliorare di circa il 3-4% la precisione delle predizioni rispetto ai metodi tradizionali (tra cui la predizione umana). 

La potenza dell’intelligenza artificiale sta proprio in questo: nei compiti specifici può raggiungere una precisione molto più elevata di un essere umano. Chiaramente questo non basta a trovare una cura per il cancro, ma può servire da supporto per le diagnosi perché è in grado di carpire anche il più piccolo dettaglio che emerge dai dati degli esami medici. Inoltre può anche avanzare una proposta al personale medico per decidere una cura personalizzata in base alle esigenze del paziente. Tutto questo per centinaia o migliaia di pazienti. Siamo ancora un po’ distanti da questo obbiettivo, ma ci sono già ottimi risultati (come questo) e sperimentazioni in corso. Un compito che chiaramente nessun medico umano sarebbe in grado di svolgere da solo. Si pone però un problema etico: è giusto lasciar prendere decisioni potenzialmente letali ad una macchina? Chi si dovrebbe prendere la responsabilità per un eventuale errore della macchina? 

Differenze tra una rete neurale semplice e una profonda, su cui si basa il deep learning

Sicuramente questi algoritmi potranno in futuro, dopo un percorso di perfezionamento, migliorare di molto l’efficienza degli ospedali – cosa di cui il nostro paese avrebbe un gran bisogno, purtroppo. Forse il gioco potrebbe valere la candela. Intanto la ricerca prosegue spedita per fornire mezzi tecnologici sempre più precisi ed utili. Dalla sezione scienze è tutto, continuate a seguirci per tante altre news ed approfondimenti dal mondo della natura e della tecnologia! E  se avete delle curiosità naturalmente non esitate a chiedere!