Con l’intelligenza artificiale si apre l’era dell’oncologia digitale

Pubblicato il: 23 Ottobre 2023|

Le potenzialità ci sono e risultano significative. Ma il ricorso all’intelligenza artificiale in oncologia avviene ancora con poca frequenza, rispetto a quella che si potrebbe registrare.

“Dobbiamo fare di più”, è il messaggio lanciato in occasione del congresso della Società europea di oncologia medica (Esmo), in corso a Madrid. Durante il quale è stata presentata una nuova rivista peer-review dell’Esmo (Real World Data and Digital Oncology), attraverso cui si punta a “raccogliere e pubblicare dati scientifici di alta qualità relativi alle trasformazioni in atto nella ricerca e nell’assistenza oncologica” grazie all’avvento delle tecnologie digitali.

Intelligenza artificiale in oncologia: un potenziale in (larga) parte inesplorato

Nel congresso sono state previste due sessioni dedicate all’introduzione dei big data e dell’intelligenza artificiale in oncologia.

Fino a questo momento le applicazioni più diffuse nella pratica clinica hanno riguardato la diagnostica: nello specifico l’interpretazione di esami di screening mammografico e della Tac spirale utilizzata per lo screening del tumore del polmone nei fumatori. Oltre che in specifici contesti di cura.

Gli esperti si sono ritrovati d’accordo su un punto: fino a quando non ci sarà una regolamentazione specifica in questo senso, la diffusione di simili tecnologie continuerà a procedere a macchia di leopardo.

Un’opportunità per uniformare le valutazioni cliniche

Eppure le soluzioni digitali hanno come obiettivo proprio quello di uniformare le valutazioni cliniche: a partire per esempio dagli esami di screening.

“Esistono già software basati sull’intelligenza artificiale in grado di estrapolare informazioni dalle immagini e dalle cartelle cliniche elettroniche e supportare l’adozione di programmi di prevenzione e screening anche specifici: basati cioè sul rischio individuale di sviluppare una determinata malattia”, è quanto affermato da Raquel Perez-Lopez, radiologa dell’Istituto di oncologia Hebron di Barcellona.

Ma senza un quadro giuridico ben definito, le risorse sono destinate a rimanere sottoutilizzate.

Interrogare i real-world data grazie all’intelligenza artificiale

Rischio che potrebbe configurarsi anche nel campo della ricerca, dove queste applicazioni promettono di fornire informazioni utili negli studi della genetica e della genomica dei tumori: sia in chiave preventiva (per aiutare a riconoscere chi corre un maggior rischio di ammalarsi) sia terapeutica (per associare i pazienti a terapie mirate contro specifiche mutazioni del Dna, già disponibili).

Non bisogna trascurare nemmeno le potenziali ricadute nella gestione di dati e informazioni riguardanti per esempio i tumori rari: più preziose in un ambito in cui condurre studi clinici randomizzati è meno semplice che in altri casi.

E più in generale la capacità attraverso questi sistemi di analizzare e interrogare ad ampio spettro i dati di real-world evidence riguardanti le singole forme di cancro. Un’opportunità unica per rendere diagnosi e terapie sempre più cucite su misura del paziente. E – perché no – riuscire a prevedere il decorso di una malattia.

Ma serve aumentare la formazione degli oncologi

L’avvento dell’intelligenza artificiale in oncologia è dunque soltanto destinato a crescere.

“L’adozione di un metodo standard con cui valutare le tecnologie di intelligenza artificiale al pari di quanto già facciamo con i farmaci sarà fondamentale per massimizzarne i benefici: garantendo al tempo stesso che la loro adozione non aumenti il ​​rischio di bias che potrebbero causare disuguaglianze nella cura dei pazienti”, ha spiegato Rodrigo Dienstmann, caporedattore della rivista Esmo Real World Data e Digital Oncology.

Ma a dover cambiare approccio, secondo Dienstmann, sono anche i suoi colleghi.

“Molti non sono pronti a questa evoluzione, che richiederà anche un surplus formativo. Dobbiamo formare i medici all’utilizzo di questi strumenti in maniera sicura, basandoci su una chiara comprensione del loro valore e dei loro limiti. Non si tratta di mettere la macchina davanti all’uomo, ma di far lavorare assieme queste parti per garantire ai pazienti risultati migliori rispetto a quelli attuali”.

Tag: big data / diagnostica per immagini / digital health / intelligenza artificiale / medicina di precisione / screening oncologici / software per diagnosi / telemedicina /

CONDIVIDI

AP-DATE
SCELTE DALLA REDAZIONE
RUBRICHE
FORMAZIONE