Curioni, IBM Fellow, Vice Presidente di IBM Europa e Africa e Direttore del Laboratorio di Ricerca IBM di Zurigo, e Messa, Docente di Diagnostica per immagini e Radioterapia presso l’Università degli Studi di Milano Bicocca, intervenendo all’Health Innovation Global Forum, hanno illustrato quanto la rapidità dell’avanzamento della conoscenza tecnologica e i suoi nuovi linguaggi possano avere un impatto determinante sulla sanità. In particolare, sulla diagnostica per immagini.
Dalle tecnologie trasformative a quelle trasformative e sinergiche
«Negli ultimi 2 anni», spiega Curioni, «abbiamo assistito ai più grandi cambiamenti nell’IT e all’evoluzione delle tecnologie trasformazionali mai viste negli ultimi 60 anni. Solo altre due trasformazioni sono state di simile portata: il transistor, che ha creato il computer, e internet. La differenza è che erano l’uno la conseguenza dell’altro. C’era tempo per adattarsi, c’erano sì sinergie, ma 10, 20, 30 anni dopo. Ciò che sta accadendo oggi è che due nuove realtà stanno nascendo, sviluppandosi, e avendo un impatto allo stesso tempo. Quindi trasformative e sinergiche. Se disponiamo di tecnologie trasformazionali e ci limitiamo ad applicarle per fare di più di quanto si facesse prima, si fallisce. Con una tecnologia trasformativa, bisogna guardare il sistema e vedere come questo nuovo strumento possa cambiarlo e renderlo più efficiente». Quali sono queste due tecnologie di trasformazione?
Intelligenza Artificiale e nuovi modelli
«Soprattutto nella diagnosi, l’AI ci ha permesso di fare passi da gigante. Ma con i Generative Models, più specificamente con i Foundation Models, e l’avvento dell’apprendimento autosupervisionato e dei Transformers, sta avvenendo una rivoluzione, non un’evoluzione. Prima, per creare un modello con il Deep Learning, con il Supervised Learning, era necessaria una quantità infinita di dati e di tempo. Abbiamo dovuto lavorare molto per scrivere questi dati e indicare questa cosa è questa, questa cosa è questa, per poter creare le annotazioni per modelli molto specifici. Ha funzionato, ma solo per una cosa. Per classificare qualcos’altro bisognava creare un altro modello. Il mancato ritorno degli investimenti ha, di fatto, ucciso l’uso dell’Intelligenza Artificiale nel business. E nella sanità. I modelli di apprendimento autosupervisionato e generativi, invece, imparano direttamente dai dati, dal modello in sé, migliorandolo, senza alcuna annotazione. L’impatto di questa nuova Intelligenza Artificiale è completamente diverso, più efficiente: un modello che prende tutta la conoscenza in grado di essere allenato per creare modelli specifici per quello che voglio fare. Così l’AI entrerà in qualunque processo. I nuovi modelli avranno anch’essi una capacità generativa e quindi nuova conoscenza. Non deve limitarsi solo ai testi, ma inglobare qualunque cosa che abbia una correlazione: immagini, suoni, linguaggio della scienza, profilo genetico, trascrittomico. Sta già avvenendo. In soli due anni, molte sono le applicazioni in molti ambiti diversi: esistono modelli fondamentali per i dati satellitari o per creare nuovi materiali e chimici. Ve ne saranno anche per l’assistenza sanitaria e le scienze della vita. Questo è ciò che sta accadendo oggi nell’AI».
Informatica quantistica
«L’informatica quantistica sta per essere industrializzata. Potremo fare calcoli su dati prima erano impossibili per complessità computazionale. Ma la cosa più importante che deriva da tutto questo è l’interfaccia tra calcolo quantistico e apprendimento automatico: il primo consentirà di tracciare correlazioni nascoste in modo molto più efficace dell’informatica classica; il secondo, di essere ricordati in ambito sanitario. Tutto ciò accelererà il metodo scientifico: potremo estrapolare molte più informazioni e formulare ipotesi più velocemente e testarle. Si ridurrà il tempo che intercorre tra il problema e la soluzione».
AI e calcolo quantistico applicato alla diagnostica
«Tutto ciò è una rivoluzione nel modo in cui gestiamo i dati. Creo un modello chiamato Biomedical Foundation Model che integra dati di testo, ma anche le altre 10-11 modalità di dati che dispongo in campo biomedico: immagini, codice genetico, proteine, strutture 3D e 4D delle proteine. Ho un modello dove, con un linguaggio naturale, chiedo quale sia la possibile diagnosi basata su questo input di immagini. Ma anche qual è il modo migliore per creare un altro farmaco al fine di curare meglio questo problema. Possiamo creare non una medicina personalizzata, ma una cellula di medicina personalizzata che permette di fare la diagnosi, di trovare la giusta cura, di affrontare l’eterogeneità di malattie come il cancro. Queste nuove tecnologie trasformazionali aiuteranno molto nella diagnosi, ma occorre farlo nel modo giusto: etico, responsabile, governato, inclusivo, sostenibile».
«La terapia è sempre più guidata dall’imaging»
«Le funzioni che possono essere studiate oggi con l’imaging non sono solo quelle anatomiche», precisa Messa. «La tecnologia ha rivoluzionato la capacità di vedere, che non corrisponde quasi a una capacità di interpretare. Le risoluzioni anatomiche, la quantità di informazioni che danno le nuove tecnologie, sia in TAC che in risonanza che in PET, sono tali che ne viene usato il 20%, il 30%, non di più, perché si va oltre la capacità e la competenza umana nel saperle interpretare. Per la PET, oggi esistono delle macchine che in un minuto, con pochissime dose di radiazione, eseguono l’immagine di tutto il corpo, 190 cm di campo di vista: una rivoluzione che porta alla terapia. Possiamo usare dei radiofarmaci nuovi, originali».
Imparare a vedere
«Occorre capire cosa vuol dire oggi analizzare queste immagini. Non si tratta più di un’analisi visiva. Radiologi e medici nucleari non possono pensare di riuscire ad avere solo, come si faceva una volta con la lastra, un’immagine e una detenzione qualitativa di un’immagine. C’è ora una quantificazione, che viene già data da chi produce queste macchine e che si basa sul fatto che le immagini generano dati. Possono essere quantificati con la radionica. Si è sempre fatto, solo che una volta era manuale, ora è tutto automatico e preciso. Questi dati possono essere comparati, per esempio, all’esito di una patologia, ad alcuni indici clinici, ad altri indici diagnostici, fornendo modelli predittivi di prognosi e di risposta, di previsione e di risposta a una terapia. È questo uno dei punti fondamentali se si vuole un sistema sostenibile con i pazienti ben curati. Il ruolo dell’immagine integrato? Gestione affidabile della complessità e costituisce un acceleratore».
