Visione artificiale e IA: nuove possibilità per la salute

Visione artificiale e salute

Insieme ai grandi modelli linguistici, come quelli alla base di ChatGPT, la visione artificiale è un importante ambito dell’intelligenza artificiale. Tecniche come le reti neurali e l’apprendimento profondo permettono ai computer di analizzare immagini e riconoscere elementi dell’ambiente.

Tra le applicazioni figurano l’assistenza alla guida e sistemi robotici capaci di operare in ambienti meno strutturati di una fabbrica. Il livello di autonomia varia a seconda del sistema e delle condizioni.

Queste applicazioni contribuiscono alla domanda di visione artificiale. La previsione di mercato citata indica un possibile valore di 9,2 miliardi di dollari nel 2029, secondo la definizione di settore adottata dalla fonte.

Fonte: EPAM

Un’altra applicazione importante riguarda la salute. Molte valutazioni cliniche richiedono l’osservazione diretta del paziente o l’interpretazione specialistica di radiografie, tomografie e altre immagini mediche.

L’interpretazione può variare tra osservatori e richiede esperienza. La variabilità dei pazienti rende complessa l’automazione, pur esistendo già da tempo numerose misurazioni computerizzate.

Le aziende stanno quindi studiando sistemi di visione artificiale per assistere l’analisi delle immagini mediche. Prestazioni superiori in uno studio non equivalgono automaticamente a un vantaggio clinico in tutti i contesti.

Esame visivo diretto

Abbiamo esaminato un sistema sperimentale per riconoscere infezioni dell’orecchio nell’articolo «IA Pronta a Diventare uno Strumento di Diagnosi Medica Inestimabile».

Sono allo studio applicazioni per altre condizioni. Per esempio, un sistema di Google è stato valutato per distinguere 26 condizioni cutanee, rappresentative di una parte rilevante dei casi esaminati nello studio, e altri sistemi per identificare la retinopatia diabetica o stimare il rischio di svilupparla in futuro. Questi usi hanno requisiti di validazione e autorizzazione differenti.

Alcuni studi esplorano anche informazioni non immediatamente evidenti all’occhio umano, come la previsione dell’anemia a partire da immagini del fondo oculare. Si tratta di ricerca, non di una sostituzione generale degli esami del sangue. Immagini retiniche sono state usate anche per stimare alcuni fattori di rischio cardiovascolare.

La visione artificiale può inoltre assistere nell’identificazione di lesioni durante gli esami endoscopici. Per esempio, i sistemi di Iterative Health mirano a supportare il riconoscimento di anomalie gastrointestinali. L’individuazione di una lesione non equivale da sola alla diagnosi definitiva di un tumore.

Analisi delle immagini mediche

Radiografie, tomografie computerizzate, ecografie e altre modalità producono immagini la cui interpretazione può essere complessa.

L’IA può contribuire a migliorare la qualità delle immagini e ad assistere la gestione e l’analisi dei dati.

Per esempio, Cleerly analizza i dati dell’angiografia coronarica mediante tomografia computerizzata (CCTA) per creare modelli tridimensionali delle arterie coronarie, individuarne il lume e le pareti e quantificare stenosi e placche, a supporto della valutazione clinica.

Butterfly Network (BFLY ) sviluppa sonde ecografiche portatili basate su trasduttori a semiconduttore anziché sui tradizionali cristalli piezoelettrici, insieme a strumenti software. Le funzioni tridimensionali disponibili dipendono dal dispositivo e dall’applicazione.

Fonte: Butterfly Network

Verisound, il portafoglio di soluzioni digitali e di IA per l’ecografia di GE HealthCare, comprende strumenti per guidare l’acquisizione, automatizzare alcune operazioni e migliorare il flusso di lavoro. Le indicazioni variano per prodotto; non è una società controllata distinta.

I ricercatori di Google hanno inoltre studiato l’IA per identificare segni di tumore mammario nelle immagini e ridurre alcune attività di lettura degli specialisti. I benefici dipendono dalla validazione e dall’integrazione nel percorso clinico.

I prodotti di Oxipit hanno funzioni diverse: ChestEye assiste l’analisi delle radiografie toraciche, mentre ChestLink può produrre referti autonomi per esami senza reperti azionabili quando soddisfa i criteri previsti. Gli esami dubbi vengono inviati al radiologo.

Chirurgia

L’IA può assistere i chirurghi, per esempio fornendo informazioni durante un intervento o supportando l’analisi di video operatori. Questo non implica che la chirurgia assistita da robot sia interamente autonoma.

Il dottor Eckhoff, ricercatore in intelligenza artificiale e innovazione chirurgica al Massachusetts General Hospital, ha descritto sistemi in grado, in contesti di ricerca, di anticipare le fasi successive di un intervento con un orizzonte di 15–30 secondi. Il risultato non garantisce una previsione affidabile per ogni operazione.

Un esempio di guida mediante realtà aumentata è offerto dalla francese Pixee Medical, che utilizza il tracciamento tridimensionale con smartphone o occhiali intelligenti nella chirurgia ortopedica. La realtà aumentata non è di per sé una forma di chirurgia autonoma basata sull’IA.

La visione artificiale può anche aiutare a registrare le attività e seguire strumenti e materiali. Una stima citata indica che oggetti chirurgici vengono dimenticati nei pazienti in circa 1.500 interventi annui negli Stati Uniti. È una stima dipendente dalla fonte e dal periodo. Il tracciamento automatizzato potrebbe ridurre il rischio, senza eliminarlo con certezza né sostituire le procedure di conteggio.

Gestione dei Dati

Dati del Paziente

La gestione dei dati dei pazienti può essere importante quanto l’analisi delle immagini per garantire continuità e qualità delle cure.

Il riconoscimento facciale potrebbe contribuire a collegare una persona alla corretta cartella clinica, un ambito in cui operano fornitori come Facia. L’adozione richiede attenzione ad accuratezza, consenso, riservatezza e possibili errori di identificazione.

Un’altra esigenza è integrare immagini radiologiche, cartelle cliniche, documenti di altri ospedali e prescrizioni in sistemi interoperabili.

L’integrazione può essere complessa. Strumenti come CloudMedxHealth cercano di facilitare l’uso dei dati sanitari digitali.

Fonte: CloudMedxHealth

I dati possono anche essere aggregati per analizzare popolazioni e percorsi di cura, come nei servizi di Komodo Health. Queste basi informative non costituiscono una registrazione completa e uniforme di ogni attività sanitaria statunitense.

Monitoraggio

L’IA può assistere il monitoraggio di alcune attività ospedaliere, per esempio l’aderenza a procedure igieniche. L’efficacia dipende dalla qualità dei dati e dalle modalità di controllo.

A domicilio, strumenti di monitoraggio possono supportare la riabilitazione e il recupero, rendendo alcuni servizi più accessibili. Non tutti i trattamenti sono adatti a distanza e i risparmi non sono automatici.

Alcuni sistemi rilevano possibili cadute e inviano avvisi. L’attivazione dei soccorsi dipende dal servizio e dalla verifica dell’evento.

La telemedicina può inoltre impiegare sistemi di supporto come quelli di Corti.AI. Ne abbiamo parlato anche nell’articolo «Curarsi da casa: cinque titoli della telemedicina».

Migliorare la Ricerca Medica

I dati biologici e medici sono spesso complessi e variabili. Ciò rende difficile confrontare campioni e automatizzare alcune analisi, senza rendere la biologia una scienza meno rigorosa.

I campioni possono differire per molte caratteristiche, che devono essere considerate nella progettazione e nella validazione dei metodi.

La microscopia e alcuni esami richiedono ancora valutazioni manuali, soprattutto della morfologia cellulare. Molti conteggi ematologici, tuttavia, sono già automatizzati.

La visione artificiale può supportare queste attività. Soluzioni come Shonit di SigTuple assistono l’analisi delle immagini delle cellule del sangue; non sostituiscono indistintamente ogni componente dell’emocromo o la revisione specialistica.

Fonte: Sigtuple

Strumenti come Enlitic aiutano a standardizzare dati e metadati delle immagini mediche. Ciò può facilitarne l’organizzazione e l’impiego nella ricerca, ma non equivale di per sé a una diagnosi.

La ricerca affronta inoltre quantità crescenti di dati genomici, trascrittomici e proteomici, nell’ambito della rivoluzione multiomica descritta in «La multiomica è il prossimo passo della biotecnologia».

L’IA viene studiata anche per progettare strumenti di modifica genetica, come discusso in «Modifica genetica assistita dall’IA con OpenCRISPR-1».

Assistere le persone con disabilità sensoriali

La visione artificiale può aiutare persone cieche o ipovedenti a riconoscere oggetti e interpretare l’ambiente. L’affidabilità dipende dal dispositivo e dalle condizioni d’uso.

Può inoltre riconoscere il testo nelle immagini e convertirlo in voce.

Altri strumenti permettono di controllare dispositivi mediante gesti o espressioni del volto, a seconda delle capacità e delle esigenze dell’utente.

Aziende attive nella visione artificiale

1. Alphabet

Google è una delle principali società tecnologiche, nota tra l’altro per il motore di ricerca e il sistema operativo Android.

È inoltre attiva nell’IA, anche nella ricerca e nelle applicazioni sanitarie della visione artificiale, con progetti che riguardano riconoscimento delle malattie, prevenzione e supporto alle cure.

L’IA ha anche applicazioni diverse dall’analisi delle immagini. Per esempio, AlphaFold di Google DeepMind prevede strutture tridimensionali di proteine e, nelle versioni più recenti, interazioni molecolari. Queste informazioni possono aiutare la ricerca di farmaci, ma non determinano da sole efficacia clinica e sicurezza. Ne abbiamo discusso in «La modellazione prospettica indica possibilità promettenti per la scoperta di farmaci mediante IA».

Fonte: News Medical

Tra gli altri progetti sanitari di Google figurano Med-PaLM, studiato su domande simili a quelle degli esami di abilitazione medica; Open Health Stack, strumenti open source per sviluppatori; DeepVariant, per l’analisi genomica; e l’apprendimento profondo applicato alle cartelle cliniche elettroniche. Il superamento di test non equivale all’autorizzazione a esercitare la medicina.

La Vision AI di Google ha inoltre applicazioni al di fuori della salute, tra cui l’analisi di immagini e documenti. Le tecnologie generative di testo, immagini e video appartengono a categorie collegate ma distinte.

Alphabet (GOOG ) e Google hanno quindi attività significative nell’IA, comprese applicazioni sanitarie della visione artificiale.

2. Butterfly Network

Butterfly sviluppa sonde ecografiche portatili e software per gestire il flusso di lavoro, tra cui Compass. Gli strumenti di gestione non vanno confusi con una diagnosi clinica autonoma.

Fonte: Butterfly Network

La terza generazione della sonda è stata introdotta con il lancio statunitense di iQ3 nel febbraio 2024. Secondo l’azienda, offre una velocità di trasferimento dati e una potenza di elaborazione doppie rispetto alla generazione precedente. La tecnologia Ultrasound-on-Chip utilizza trasduttori capacitivi microlavorati su semiconduttore, invece dei tradizionali cristalli piezoelettrici.

Tra le funzioni disponibili figurano visualizzazioni tridimensionali o su più piani per determinate applicazioni, integrazione software e avvio rapido. Funzioni, disponibilità e costi dipendono dal mercato e dal piano acquistato.

Butterfly utilizza strumenti di IA per alcune misurazioni e per supportare l’acquisizione delle immagini e la formazione. Il medico mantiene la responsabilità dell’interpretazione e dell’uso clinico.

Fonte: Butterfly Network

La società ha annunciato espansioni commerciali in mercati asiatici, tra cui Singapore, Indonesia e Filippine, e applicazioni veterinarie. La portabilità può facilitare gli esami sul campo, ma le indicazioni e le autorizzazioni variano per prodotto e mercato.