Computer vision in ambito sanitario: applicazioni e sfide di questa nuova soluzione di IA
L’intelligenza artificiale (IA) sta vivendo un’esplosione nel numero di applicazioni nei servizi sanitari, con quasi 500 soluzioni di IA già approvate dalla FDA per essere utilizzate in software medici1Center for Devices and Radiological Health. (2022). Artificial Intelligence and Machine Learning (AI/ML)-Enabled medical devices. U.S. Food and Drug Administration.. La maggior parte di queste soluzioni si basa sulla computer vision (o visione artificiale in italiano), il campo dell’intelligenza artificiale che si concentra sullo sviluppo di tecniche per estrarre informazioni significative da dati visivi. Mentre questa tecnologia potrebbe rivoluzionare i servizi sanitari e beneficiare l’intero settore, dai pazienti alle aziende private, ci sono ancora molti ostacoli da superare per favorirne l’implementazione. In questo articolo, Alcimed esplora le diverse applicazioni della visione artificiale in ambito sanitario, così come le numerose sfide e limitazioni che potrebbero ostacolare l’adozione su larga scala di queste tecnologie.
Quali sono le applicazioni della visione artificiale in sanità?
Applicazione n°1: rivoluzionare la diagnosi medica
La diagnosi medica si basa spesso sull’analisi di diverse forme di imaging: radiografia, tomografia computerizzata (TC), risonanza magnetica (RM), ecografia, tomografia a emissione di positroni (PET) o fluoroscopia. L’analisi di queste immagini richiede tempo e spesso necessita delle conoscenze di un professionista sanitario specializzato in questa forma di imaging. Sono quindi nate soluzioni di visione artificiale per aiutare i medici nell’analisi di queste immagini. Sebbene queste tecnologie non siano ancora completamente autonome, possono aiutare a evidenziare le aree preoccupanti e ridurre il tempo necessario al medico per rilevare un’anomalia e fare una diagnosi.
Applicazione n°2: migliorare la qualità dell’imaging medico
Le immagini scattate su pazienti o campioni sono regolarmente imperfette. La tecnologia di visione artificiale può essere utile anche in questa fase del processo di imaging, con soluzioni software in grado di ridurre il mosso, migliorare il contrasto, ridurre il rumore di fondo o migliorare l’immagine in altri modi. Questi metodi possono quindi facilitare notevolmente il lavoro del medico, fornendogli un’immagine più chiara della situazione, e permettendogli di identificare problemi finora invisibili. Questi modelli di tecnologie di visione artificiale sono utilizzati anche nella ricerca medica, dove la microscopia a fluorescenza e altre tecniche di imaging sono strumenti di ricerca principali, e potrebbero aiutare a comprendere meglio la fisiologia o a sviluppare nuove soluzioni terapeutiche.
Applicazione n°3: ottimizzare la precisione chirurgica
L’intelligenza artificiale può essere utilizzata con apparecchiature avanzate per guidare i chirurghi durante le operazioni. L’attrezzatura chirurgica è evoluta per includere sistemi di guida IA in grado di eseguire compiti più precisi, ridurre il dolore e le complicazioni e facilitare il recupero. Per controllare questi robot, i medici si affidano a telecamere, e la visione artificiale può essere utilizzata per migliorare la loro comprensione dell’area dell’intervento. Un modello 3D dell’area può essere ottenuto, o l’immagine può essere annotata con testo e guide per aiutare nell’esecuzione dell’intervento.
Scopri come sviluppare soluzioni mediche innovative grazie all’IA in sanità >
Sfide e limiti della computer vision in sanità
Nonostante i vantaggi che gli algoritmi di computer vision potrebbero apportare all’industria sanitaria, ci sono ancora molte sfide e limitazioni che potrebbero impedire l’uso su larga scala di queste tecnologie.
Fiducia e trasparenza
La prima sfida riguarda la natura “scatola nera” di molti algoritmi di IA. Se l’intelligenza artificiale può fornire diagnosi precise, è spesso difficile comprendere come l’algoritmo sia giunto a una determinata conclusione. Questa mancanza di trasparenza può impedire ai professionisti sanitari di fidarsi della tecnologia e di integrarla nel loro flusso di lavoro, e potrebbe ostacolare la diffusione di queste tecnologie a causa di limitazioni normative. Ad esempio, è stato sviluppato un modello di visione artificiale per rilevare il cancro della pelle su immagini provenienti da set di dati medici in cui era presente il cancro. È stato scoperto che il modello identificava modelli basati su regole e segni di penna presenti in tutte le immagini di tumori maligni.
Disponibilità dei dati e diagnosi di malattie rare
La disponibilità dei dati costituisce un altro limite. Gli algoritmi di intelligenza artificiale vengono formati su grandi set di dati, quindi la diagnosi delle malattie rare può essere compromessa dalla mancanza di dati di alta qualità. Questa mancanza di prestazioni nei casi rari potrebbe influire sull’adozione generale di queste soluzioni di visione artificiale, poiché i medici potrebbero non voler utilizzare uno strumento che non è efficace nei casi rari, che sono i più difficili da diagnosticare. I dati di addestramento non sono spesso rappresentativi dell’intera popolazione, e i modelli di visione artificiale risultanti potrebbero essere meno efficaci per un sesso o una minoranza specifica, portando a differenze nella qualità delle cure.
Privacy dei dati
La privacy dei dati è un ostacolo importante per la visione artificiale e la salute digitale in generale. Le informazioni sanitarie sono tra i dati più sensibili relativi a un individuo, ed è importante avere un quadro normativo per garantire la riservatezza dei dati. I pazienti possono rapidamente perdere fiducia nelle soluzioni digitali se le loro informazioni vengono condivise: accidentalmente in caso di violazione dei dati, o intenzionalmente se i loro dati vengono utilizzati a scopi commerciali. Gli ospedali sono organizzazioni complesse con una vasta gamma di apparecchiature connesse a internet e sono quindi un obiettivo ideale per i ransomware. Eventi recenti, in cui milioni di cartelle cliniche contenenti nomi, numeri di previdenza sociale, diagnosi e trattamenti sono stati hackerati, hanno dimostrato che il settore ha ancora molta strada da fare per garantire la sicurezza dei dati e la fiducia dei pazienti in queste nuove soluzioni sanitarie.
I sistemi di computer vision hanno il potenziale di rivoluzionare la sanità aiutando i medici a diagnosticare e trattare i pazienti, migliorando la qualità dell’imaging medico e guidando i chirurghi durante le operazioni. Tuttavia, devono essere affrontate importanti sfide prima che queste tecnologie di visione artificiale possano essere ampiamente adottate. Tra queste ci sono la natura “scatola nera” di molti algoritmi di IA, la disponibilità di dati per malattie e gruppi di popolazione rari, e i problemi di privacy dei dati. Sarà essenziale affrontare queste sfide e limitazioni affinché la computer vision possa essere utilizzata in modo sicuro ed efficace nella sanità per migliorare i risultati per i pazienti e progredire nella ricerca medica.
L’adozione della computer vision nell’industria solleva sia sfide che opportunità per gli attori del settore sanitario. Alcimed può aiutarti a identificare la strategia migliore per la tua azienda per sfruttare la potenza della visione artificiale e dell’IA in sanità. Non esitare a contattare il nostro team specializzato!
Informazioni sull’autore,
Lucas, consulente in Data Science nel team salute di Alcimed in Svizzera