La ricerca biomedica e la pratica clinica generano enormi quantità di dati, e – soprattutto nel campo dell’oncologia – la tipologia e la quantità delle conoscenze sta crescendo a dismisura. Basti pensare allo sviluppo delle tecniche di caratterizzazione dei tumori e del loro profilo genetico. Tutto ciò rende particolarmente difficile per gli oncologi conoscere tutte le nuove scoperte e le nuove tecnologie disponibili al fine di supportare un percorso di cura personalizzato per i pazienti. È quindi prioritario riuscire a collezionare, organizzare e analizzare questa mole di dati al fine di renderli facilmente disponibili e consultabili, oltre che applicabili nella pratica clinica.
Ci pensa la tecnologia
L’intelligenza artificiale è una branca della scienza che si occupa di generare delle simulazioni dell’intelligenza umana al fine di risolvere problemi complessi, la cui applicazione potrebbe rappresentare un punto di svolta nella massimizzazione della qualità dei percorsi di cura dei pazienti oncologici. Nello specifico, il machine learning – che è a sua volta un ramo dell’intelligenza artificiale – si occupa di programmare degli algoritmi che siano in grado di svolgere dei compiti specifici senza che siano esplicitamente programmati per farlo: questi algoritmi sono infatti in grado di auto-regolare la propria attività in base alla propria esperienza e alla tipologia di dati su cui lavorano.
L’applicazione di queste tecnologie nella pratica clinica, e nello specifico in ambito oncologico, consentirebbe non solo di integrare tutte le informazioni disponibili per ottimizzare le diagnosi, la stratificazione del rischio, la risposta ai trattamenti, le prognosi e lo sviluppo di nuovi farmaci, ma anche di rendere l’oncologia più accurata ed efficiente e soprattutto paziente-centrica.
Fino a novembre 2021 si contavano 71 dispositivi medici operanti con sistemi di intelligenza artificiale e/o machine learning il cui utilizzo in campo oncologico era stato approvato dalla Food and Drug Administration (FDA), di cui tre (4.23% del totale) in oncologia ginecologica: due per il tumore alla cervice uterina e uno per il tumore endometriale.
Cosa aspettarci?
L’elenco degli studi clinici più rappresentativi in cui sono attualmente coinvolti sistemi di machine learning e/o di intelligenza artificiale è consultabile sulla revisione sistematica di Fiste e colleghi, che descrivono lo stato dell’arte dell’applicazione di queste tecnologie in relazione al tumore ovarico e alla cervice uterina, a quello endometriale e al sarcoma uterino. Questo lavoro spiega inoltre come l’utilizzo di queste nuove tecnologie sia destinato a ridefinire l’oncologia, promuovendo la transizione dalla medicina tradizionale a quella personalizzata. Nonostante gli algoritmi dell’intelligenza artificiale abbiano portato anche in ambito oncologico risultati promettenti dal punto di vista sperimentale, questi difficilmente riescono a tradursi in miglioramenti della pratica clinica soprattutto a causa di una serie di problemi tecnici ed etici.
Dal punto di vista tecnico, l’enorme quantità di dati che viene prodotta dalla ricerca biomedica e dalla pratica clinica sono non solo molto voluminosi e complessi, ma soprattutto eterogenei e difficilmente comparabili. Per tali motivi, è necessario – prima che gli algoritmi lavorino su questo insieme di dati – un passaggio preliminare in cui i dati vengono raffinati e pre-processati, al fine di renderli tutti ugualmente leggibili dagli algoritmi. Questa fase di raffinazione e pre-processamento è tanto importante quanto la qualità dei dati stessi: se una di queste cose manca, le analisi risultanti dal machine learning saranno di bassa qualità, e quindi poco generelizzabili o difficilmente interpretabili. Per tali motivi è di fondamentale importanza puntare su una solida formazione statistica e informatica per i futuri professionisti sanitari.
Dal punto di vista etico, è fondamentale specificare che queste nuove tecnologie devono essere applicate solo quando necessario: il fine ultimo dell’applicazione del machine learning alla ricerca, oncologica e non, è quello di creare conoscenze e competenze che abbiano un’utilità pubblica e non trarre profitto dalla conduzione di ulteriori e non necessari esami medici. A questo, si aggiungono i problemi legati alla privacy dei dati dei pazienti, per cui c’è bisogno di regolamentare e garantire un utilizzo trasparente di questi dati. Infine, nonostante queste tecnologie potrebbero essere di grosso aiuto ai medici nella decisione delle terapie e degli interventi da effettuare in persone con tumore in base alla loro situazione personale, è fondamentale specificare che non potranno assolutamente soppiantare del tutto la figura del medico. Nonostante l’elaborazione di una diagnosi, la decisione di un trattamento e il calcolo della prognosi siano dei punti fondamentali del processo di cura della persona malata, niente potrà mai rimpiazzare il valore dell’empatia e dell’umanità del medico, soprattutto nel delicato campo dell’oncologia.
Il futuro è quindi l’automazione?
Nonostante sia solo agli inizi, l’applicazione del machine learning e dell’intelligenza artificiale per la risoluzione di problemi sanitari sembra essere molto promettente, soprattutto in oncologia. Stratificare i soggetti ad alto rischio (anche in base alla disponibilità di dati su biomarcatori e dati genetici), migliorare lo screening e la diagnosi precoce dei tumori, ottimizzare la gestione del paziente, predire la prognosi e migliorare le conoscenze sulla fisiopatologia tumorale sono solo alcuni degli aspetti che potrebbero essere fortemente ottimizzati da queste nuove tecnologie. L’oncologia di precisione diventa giorno dopo giorno una realtà sempre più concreta, e nei prossimi anni diventerà necessaria una adeguata validazione dell’utilizzo dell’intelligenza artificiale e del machine learning per una applicazione sistematica in sanità. Tuttavia, sebbene questo potrà portare a degli importantissimi miglioramenti, di per sé intelligenza artificiale e machine learning non sono altro che strumenti di cui i medici possono servirsi per svolgere al meglio la propria missione. Per cui il futuro sarà – come sempre – dato dall’utilizzo preciso, responsabile ed etico della tecnologia da parte dell’uomo.
Pasquale Paletta
Ricercatore, Laboratorio di Ricerca per il Coinvolgimento dei Cittadini in Sanità
Istituto di Ricerche Farmacologiche Mario Negri IRCCS
Per saperne di più:
Fiste O, Liontos M, Zagouri F, Stamatakos G, Dimopoulos MA. Machine learning applications in gynecological cancer: A critical review. Crit Rev Oncol Hematol. 2022 Nov;179:103808. doi: 10.1016/j.critrevonc.2022.103808.