Intelligenza artificiale nel settore sanitario: in che modo la collaborazione può migliorare l’utilizzo dei dati nei trial clinici

Come sfruttare tutto il potenziale di una rete di condivisione di dati di massa

Ultimo aggiornamento: Marzo 11, 2020 8:02AM

Di Mark Aiello con April Crehan

Perché condividere dati?

I dati sono indubbiamente il carburante dell’intelligenza artificiale (AI). Per sviluppare una soluzione di intelligenza artificiale, servono dati puliti ed eterogenei per il training del sistema, indipendentemente da quanto elaborata o avanzata sia la soluzione. Non è facile ottenere i volumi elevati di dati di alta qualità necessari per il training di sistemi più intelligenti. Nel settore sanitario è ancora più difficile.

Comprensibilmente, i pazienti esitano a condividere le informazioni personali (ovvero i dati), tranne che con i propri medici. Questi, a loro volta, sono costretti da norme di legge e principi etici a tutelare la privacy. Queste limitazioni rendono i set di dati medici effettivamente esistenti ancora più preziosi. Che cosa dunque può indurre un’azienda o un istituto a condividere informazioni e set di dati di proprietà dei pazienti?

I vantaggi per la società sarebbero considerevoli. Anche chiunque operi nel mondo dei trial clinici può trarre i vantaggi diretti di una produttività migliore, una riproducibilità più rapida dei risultati e una riduzione dei duplicati offerti dalla condivisione di dati.

Maggiore produttività

Sempre più spesso gli studi indicano come la collaborazione migliori il lavoro di tutte le parti interessate.  La condivisione di dati proprietari con gli stakeholder, tra cui pazienti, medici, sviluppatori di farmaci, ricercatori e così via, può accelerare il successo dei proprietari dei dati e ridurre i costi. In un report Elsevier ha osservato che la condivisione dei dati di ricerca “può accelerare l’andamento della ricerca“. Il report ha descritto l’importanza della collaborazione attraverso una meta-analisi che ha riscontrato come tutti gli antidepressivi siano più efficaci per la cura a breve termine della depressione acuta negli adulti rispetto alle cure placebo. L’analisi (che Elsevier chiama “la valutazione più esaustiva degli antidepressivi fino a oggi”) è nata da una combinazione di studi pubblicati e set di dati mai resi disponibili prima. L’analisi è stata resa possibile da alcuni ricercatori, enti normativi e aziende farmaceutiche che hanno condiviso il proprio lavoro su richiesta e gli autori hanno pubblicato i set di dati completi per consentire tentativi di replica e applicazioni in futuro. Di conseguenza, la collaborazione originale potrebbe avere un effetto a catena positivo sulla ricerca futura.

Riduzione dei rischi e dei duplicati

Sappiamo tutti come lo sviluppo di un nuovo farmaco sia soggetto a costi esorbitanti. In circa sette casi su otto i farmaci che arrivano alle fasi dei test non raggiungono mai l’approvazione. Immaginate quale sarebbe il vantaggio di sapere in anticipo se un’altra azienda ha già percorso la stessa strada senza successo. Condividendo le informazioni sui successi e sui fallimenti, sarebbe possibile riallocare le risorse ad altri studi, molecole o malattie. Si potrebbe addirittura passare direttamente al miglioramento di un prodotto da rendere disponibile al più presto. La capacità di individuare tali errori il più presto possibile e una maggiore trasparenza possono addirittura salvare la vita dei pazienti. Più di una volta, la scelta di tenere segreti risultati negativi o anche solo inconcludenti ha prodotto conseguenze gravemente avverse (a volte anche la morte) in seguito all’uso continuativo di determinati prodotti farmaceutici.

Prova di efficacia

Più trasparenti sono le procedure di ricerca e sperimentazione, più facile sarà per gli altri supportare (o confutare) il vostro lavoro. La riproducibilità è il fattore chiave per il progresso scientifico ed è più semplice quando i dati vengono resi pubblici. Nel settore dell’intelligenza artificiale, grazie alla condivisione dei set di dati di test, gli altri possono provare a migliorare i sistemi di intelligenza artificiale esistenti. Più tempestivamente i ricercatori individuano le aree di miglioramento, più rapidamente potranno iterare i risultati.

Quali dati condividere

Nonostante gli evidenti vantaggi, resta da affrontare una sfida importante: i pazienti sono piuttosto refrattari a condividere i propri dati medici. In che modo i ricercatori e gli sponsor dei trial clinici possono risolvere questo problema? Un elemento chiave nella condivisione di dati e nella conseguente creazione e applicazione di soluzioni di intelligenza artificiale in sanità è l’anonimizzazione dei dati sanitari, che lenisce alcune delle preoccupazioni dei pazienti riguardo alla privacy. La scelta di organizzare piccoli gruppi di ricercatori che offrono di condividere dati anonimizzati per una contropartita può essere un approccio efficace per incoraggiare la condivisione delle informazioni. Alcuni governi e riviste scientifiche esigono già determinati livelli di condivisione dei dati prima di sostenere o pubblicare un lavoro scientifico. Questo, a sua volta, induce i ricercatori a condividere i dati.

Qual è esattamente la posta in palio?

Set di dati

La condivisione di set di dati di training, alla base di un sistema di intelligenza artificiale, può compromettere la proprietà intellettuale. Tuttavia, perché non condividere almeno i set di dati di test usati per dimostrare il funzionamento del sistema? Se avete fiducia nel sistema di intelligenza artificiale che usate, qualcun altro potrebbe riuscire a testare il proprio con i vostri dati di test per determinare se sia migliore in termini di prestazioni.

Risultati

Tutti siamo orgogliosi di condividere i nostri successi, ma i fallimenti possono essere altrettanto istruttivi. Dobbiamo creare una cultura in cui le persone siano disposte a condividere che cosanon ha funzionato, oltre agli aspetti positivi. I colleghi possono apprendere dai vostri errori, e viceversa, riuscendo magari a capire perché li avete commessi. Inoltre, come abbiamo già detto, la condivisione delle cattive notizie può salvare vite umane.

Pool di pazienti

Una delle più efficaci applicazioni dell’intelligenza artificiale nel settore sanitario è l’arruolamento e l’individuazione di pazienti per i trial clinici. Poiché l’AI applicata alla sanità permette di identificare i perfetti candidati per un trial specifico, la pressione sulla protezione dal “bracconaggio”dei possibili partecipanti si riduce. Con il supporto dell’intelligenza artificiale, potreste rendervi conto che alcuni pazienti inclusi nel pool del vostro trial clinico sono perfetti per il trial di un concorrente e viceversa.

In conclusione, l’uso dell’intelligenza artificiale in ambito sanitario ha buone probabilità di creare un mondo migliore per i pazienti. Una maggiore condivisione nel mondo dei trial clinici può accelerare innovazioni in grado di cambiare davvero la vita delle persone.

Non vedete l’ora di scoprire in che modo l’intelligenza artificiale sta rivoluzionando il mondo dei trial clinici? Ulteriori informazioni sono a portata di clic.

#IA #life science #sanità #settore sanitario #trial clinici

Mark Aiello
AUTORE
Mark Aiello