I grandi modelli linguistici (LLM) possono assistere i neurologi nell’analisi dei pazienti colpiti da ictus?

L’intelligenza artificiale (IA) è una delle più grandi innovazioni tecnologiche di questo decennio. Il lancio di ChatGPT ha particolarmente spinto l’IA nella corrente principale, con le sue applicazioni che si estendono a vari settori, inclusa la sanità. In particolare, i neurologi potrebbero beneficiare notevolmente dall’uso dell’IA per individuare con precisione le sedi degli ictus nel cervello, come rivelato da uno studio recente.

Parlando di ictus, sono una delle principali cause di morte negli Stati Uniti; ogni 40 secondi qualcuno negli USA subisce un ictus, e ogni 3 minuti e 14 secondi qualcuno muore per questo. Oltre alla mortalità, gli ictus possono anche causare disabilità a lungo termine. Pertanto, identificare la sede dell’ictus nel cervello può aiutare a prevedere i suoi effetti a lungo termine, i quali possono variare ampiamente, dal compromettere la mobilità di un individuo al influenzare le capacità linguistiche e di parola. Inoltre, l’IA può aiutare a determinare la prognosi di una persona e a individuare il miglior trattamento.

Tipicamente, le scansioni cerebrali aiutano a trovare la posizione delle lesioni, che sono aree di danno tissutale dovuto agli ictus. Tuttavia, non tutti possono avere accesso a neurologi per le scansioni cerebrali. 

Per colmare questa lacuna, “volevamo determinare se GPT-4 potesse localizzare accuratamente le lesioni cerebrali dopo un ictus basandosi sulla storia clinica di una persona e su un esame neurologico”, ha dichiarato l’autore dello studio Jung-Hyun Lee, MD, membro dell’American Academy of Neurology e della State University of New York, Downstate Health Sciences University a Brooklyn. 

Altri partecipanti allo studio includono Eunhee Choi, MD, Dipartimento di Medicina Interna, Lincoln Medical Center, NY; Robert McDougal, MD, Dipartimento di Biostatistica alla Yale School of Public Health e Programma in Computational Biology and Bioinformatics al Wu‑Tsai Institute; e William W. Lytton, MD, Dipartimento di Neurologia alla State University of New York Downstate Health Sciences University e Dipartimento di Neurologia al Kings County Hospital.

Pubblicato nella rivista online dell’American Academy of Neurology, Neurology® Clinical Practice, lo studio ha mostrato la capacità dell’IA di elaborare testi provenienti da esami neurologici e storie cliniche per identificare la sede della lesione nel cervello. 

Per questo, il team ha utilizzato il grande modello linguistico (LLM) GPT-4. Questo generative pre‑trained transformer è addestrato su enormi quantità di dati e ha mostrato “capacità notevoli” nel generare risposte testuali a richieste basate su testo.

Questo impegno non è il primo del suo genere, poiché la funzionalità dei LLM è stata precedentemente esplorata nel rispondere a domande libere poste dai medici. Tuttavia, il software precedente sviluppato per la localizzazione delle lesioni era piuttosto limitato. Lo scopo di questo studio è valutare la capacità di GPT‑4 nella localizzazione delle lesioni acute da ictus basandosi sulla presentazione clinica, dimostrando così il potenziale ruolo che l’IA può svolgere come strumento clinico in neurologia per il futuro.

Enorme Potenziale

In questo studio, i ricercatori hanno compilato le storie cliniche e gli esami neurologici fisici di 46 casi pubblicati di persone che avevano subito un ictus. Questi dati testuali sono stati poi inseriti in GPT‑4. Utilizzando tecniche di prompting Zero‑Shot Chain‑of‑Thought e Text Classification, al modello è stato chiesto di rispondere a tre domande specifiche su ciascun paziente, ripetute tre volte: se il partecipante aveva una o più lesioni, su quale lato del cervello si trovavano le lesioni, e in quale regione del cervello erano localizzate le lesioni. 

Confrontando i risultati di GPT‑4 con le scansioni cerebrali di ciascun partecipante, i ricercatori hanno riscontrato che i risultati erano abbastanza soddisfacenti, eccetto per le lesioni nel cervelletto e nel midollo spinale.

GPT‑4 ha dimostrato un alto grado di accuratezza nell’identificare la posizione delle lesioni cerebrali nella maggior parte dei casi, raggiungendo una specificità dell’87% (percentuale di negativi correttamente identificati) e una sensibilità del 74% (percentuale di positivi reali correttamente identificati). Il modello ha anche raggiunto una specificità del 94% e una sensibilità dell’85% determinando le regioni cerebrali più colpite.

Lo studio ha inoltre rilevato che il modello ha identificato costantemente il numero di lesioni cerebrali nel 76% dei partecipanti, la posizione delle lesioni nell’83%, e le specifiche regioni cerebrali coinvolte nel 87% dei casi. Tuttavia, valutando le risposte del modello a tutte e tre le domande attraverso tre tentativi per ciascun partecipante, la sua coerenza è drasticamente diminuita, con GPT‑4 in grado di fornire risposte accurate solo per il 41% dei partecipanti. 

Ciò indica che i LLM, come i generative pre‑trained transformers (GPT), “non sono ancora pronti per l’uso in clinica”. Tuttavia, mostrano promesse nell’identificare la sede delle lesioni post‑ictus e potrebbero ridurre le disparità sanitarie, grazie alla loro capacità di funzionare in diverse lingue. 

Lo studio evidenzia inoltre la crescente importanza dell’expertise neurologica per l’intervento sull’ictus, soprattutto con l’aumento dell’uso della telemedicina. Inoltre, il modello può assistere in decisioni tempestive per valutare la necessità di ulteriori studi di imaging o anche di una consulenza neurologica. 

Secondo Lee: 

“Il loro potenziale d’uso è incoraggiante, soprattutto a causa della grande necessità di migliorare l’assistenza sanitaria nelle aree svantaggiate di più paesi dove l’accesso alle cure neurologiche è limitato.” 

È importante notare che l’accuratezza di GPT‑4 dipende dalla qualità dei dati forniti, e informazioni dettagliate sulla storia medica e sugli esami neurologici potrebbero non essere sempre disponibili per tutti coloro che hanno subito un ictus. 

Lo studio ha sottolineato che i ricercatori hanno lavorato con un LLM privo di addestramento medico o di fine‑tuning. Inoltre, è stato osservato che i rapporti di casi atipici spesso mancavano di storie cliniche e esami neurologici sufficientemente dettagliati. Pertanto, le imprecisioni sono derivate da informazioni insufficienti nei casi pubblicati, nonché da fallimenti logici o lacune nella base di conoscenza sottostante.

Quindi, è necessario ulteriore ricerca in termini di logistica, aspetti legali, sicurezza e privacy dei pazienti, garantendo accuratezza e coerenza, e integrazione con i flussi di lavoro ospedalieri per un utilizzo praticabile dei LLM in contesti clinici.

Clicca qui per scoprire perché il 2023 è stato un anno di svolta per l’intelligenza artificiale.

Crescente Importanza & Uso dei LLM nella Sanità

Lo studio mostra ottimi risultati, dimostrando un ulteriore esempio del ruolo in espansione dei LLM nella sanità — un settore che sta guadagnando molta attenzione. Dopo tutto, stanno cambiando il settore in molti modi. Il loro utilizzo sta gradualmente passando dalle fasi di esplorazione all’uso pratico, influenzando ora la ricerca clinica e l’assistenza ai pazienti. La loro capacità di elaborare enormi quantità di dati, offrire insight in tempo reale e produrre testi di qualità umana con conoscenze professionali specifiche sta rivoluzionando il settore.

Addestrati su grandi quantità di dati complessi, inclusi testi, immagini e video ottenuti da Internet, questi modelli trovano applicazioni versatili in vari ambiti, compresa la medicina. 

Il loro primo grande impulso è avvenuto quando OpenAI, sostenuta da Microsoft (MSFT ), ha rilasciato il suo primo LLM, GPT‑1, nel 2018. La sua adozione diffusa è stata guidata dalla sua accessibilità pubblica e dalla praticità d’uso. Queste caratteristiche sono il risultato dell’integrazione del reinforcement learning from human feedback (RLHF), che ha permesso al modello di fornire output più credibili e simili a quelli umani rispetto ai precedenti.

Dalla nascita dell’applicazione chatbot basata su LLM, ChatGPT, diverse aziende tecnologiche, come Meta (Llama), Google (BARD), Amazon (AMZN ) e Anthropic supportata da Salesforce (Claude), hanno rilasciato i propri LLM. Nel frattempo, l’ultima versione di OpenAI, GPT‑4, ha mostrato capacità potenziate, come superare il punteggio di superamento dell’US Medical Licensing Exam (USMLE). 

Con ciò, ChatGPT ha dimostrato la sua capacità per motivi medici, quindi affinando i LLM e fornendo loro addestramento aggiuntivo, possiamo usarli per migliorare l’assistenza ai pazienti. La comunicazione umana è una parte chiave, la capacità di GPT di imitare il linguaggio umano gli ha permesso di essere abbastanza efficace nella soddisfazione del paziente e nel consentire risultati clinici ottimali.

Mentre l’elaborazione di enormi quantità di dati può risultare ardua per gli esseri umani, i LLM possono farlo facilmente in una frazione di tempo. Semplificano questo processo organizzando i dati, permettendoci di sfruttarli al meglio. Non solo dati passati, ma anche i LLM analizzano continuamente nuovi dati in arrivo, come i segni vitali e i sintomi dei pazienti, che possono assistere notevolmente i professionisti sanitari nel prendere decisioni rapide e in tempo reale. 

Analizzando vasti set di dati provenienti da letteratura scientifica, trial clinici, linee guida terapeutiche e cartelle cliniche, i LLM accelerano anche la ricerca medica per identificare nuovi trattamenti e sviluppare terapie efficaci. Questi modelli possono anche aiutare a stabilire correlazioni e rilevare pattern che avanzano la nostra comprensione delle malattie e accelerano la ricerca medica. 

Inoltre, questi modelli forniscono insight preziosi che aiutano i professionisti sanitari a prendere decisioni cliniche, come diagnosi accurate e piani di trattamento personalizzati, portando a una migliore assistenza al paziente. Non solo i professionisti, ma i LLM potenziano anche i pazienti fornendo informazioni comprensibili e accessibili per comprendere meglio le proprie condizioni e partecipare attivamente al proprio percorso di cura. 

Clicca qui per scoprire cosa rende l’IA una risorsa poliedrica.

Guidare l’Innovazione nella Sanità

Considerati i vasti benefici e il potenziale, il mercato dell’IA generativa nella sanità ha raggiunto una valutazione di oltre 1 miliardo di dollari nel 2022 e si prevede che crescerà fino a 22 miliardi di dollari entro il 2032, secondo il Generative AI Tracker.

Per quanto riguarda l’uso dell’IA nel settore dei dispositivi medici, la cardiologia ha guidato questa tendenza, con il 57% dei dispositivi medici abilitati all’IA approvati dalla FDA nel 2022 appartenenti alla cardiologia, secondo GlobalData. Questa tendenza dovrebbe continuare in futuro, con la spesa per l’IA da parte delle aziende di dispositivi medici destinata a crescere del 20,6% CAGR tra il 2019 e il 2024.

In futuro, potremmo persino vedere l’integrazione dell’IA con la biostampa 3D per consentire la creazione di organi pienamente funzionali su misura per le esigenze specifiche di ogni paziente.

Questo potenziale ha spinto molte organizzazioni mainstream a lanciare soluzioni specializzate basate sull’IA per il settore sanitario. Ad esempio, Microsoft fornisce una soluzione specializzata chiamata Nuance Dragon Ambient eXperience (DAX). Essa cattura le conversazioni clinico‑paziente, le traduce in note e le integra nei sistemi EHR.

Google ha già presentato il suo MedLM, un LLM focalizzato sulla sanità disponibile tramite la piattaforma Vertex AI. Da allora l’azienda sta addestrando i suoi modelli di IA sanitaria sulle ultime ricerche per applicare l’IA al settore sanitario. Il modello è stato utilizzato da organizzazioni partner per costruire soluzioni come la semplificazione del passaggio di consegne infermieristiche e il supporto alla documentazione dei clinici.

Solo lo scorso mese, Google ha aggiunto nuove capacità al suo modello e ha lanciato MedLM per le radiografie toraciche per cambiare il modo in cui funziona la radiologia. L’idea è che l’IA generativa supporti le organizzazioni sanitarie assistendo nella categorizzazione delle radiografie toraciche per numerosi casi d’uso.

Ma non è tutto. Google Research sta collaborando con Fitbit per costruire un grande modello linguistico per la salute personale che possa alimentare funzionalità di benessere nell’app mobile Fitbit. Questo modello è in fase di sviluppo per offrire coaching personalizzato a tutti in base ai propri obiettivi di salute e fitness.

Amazon Web Services (AWS) offre anche HealthScribe, che analizza le conversazioni di consultazione per creare note cliniche sintetizzate per sezioni come valutazione, storia della malattia attuale e piano di trattamento. Le organizzazioni possono quindi integrare queste note nelle applicazioni cliniche per riepilogare le visite dei pazienti in modo più efficiente.

All’inizio di quest’anno, la società di tecnologia medica Siemens Healthineers (SHL.SW ) (SHL.DE )  ha collaborato con l’Indian Institute of Science (IISc) per lanciare il Laboratorio Collaborativo Siemens Healthineers‑Computational Data Sciences (CDS) per l’IA nella Medicina di Precisione. Il laboratorio si concentra sullo sviluppo di strumenti IA open‑source per automatizzare la segmentazione precisa di reperti patologici nei dati di neuro‑imaging. Questo aiuterà a una diagnosi più accurata delle malattie neurologiche e all’analisi del loro impatto clinico.

Questo è solo l’inizio della crescente tendenza IA nel settore medico. Il ruolo dell’intelligenza artificiale è destinato a diventare molto più ampio. Attualmente utilizzata per generare modelli 3D in tempo reale e specifici per il paziente durante gli interventi chirurgici, l’IA evolverà ulteriormente per offrire esperienze sanitarie interattive che trasformino l’educazione e il coinvolgimento dei pazienti. Anche nella modifica genetica, l’IA dovrebbe andare oltre l’analisi di dati genetici complessi per fornire previsioni più accurate di associazioni gene‑malattia per editing genetico altamente personalizzato.

Le sessioni di terapia immersiva in realtà virtuale potenziate dall’IA per il trattamento della salute mentale rappresentano un altro modo in cui la tecnologia può essere sfruttata nel settore. Inoltre, esistono nanobot che possono sfruttare l’IA per identificare e affrontare una vasta gamma di condizioni mediche nelle loro fasi iniziali.

Tuttavia, l’applicazione dei LLM nella sanità non è priva di preoccupazioni. Esistono questioni etiche relative a privacy, trasparenza e sicurezza che ricercatori, professionisti sanitari e organizzazioni mediche devono tenere in considerazione. Questi modelli possono anche essere usati per diffondere disinformazione a causa della mancanza di responsabilità, un aspetto da considerare. Senza dimenticare la limitazione intrinseca di riprodurre i bias esistenti.

Governi di tutto il mondo stanno lavorando per affrontare le problematiche poste dall’IA. L’Europa ha già creato un quadro giuridico per l’IA, mentre il Dipartimento della Salute e dell’Assistenza Sociale del Regno Unito sta pianificando di migliorare la trasparenza dei dati utilizzati nello sviluppo di dispositivi medici basati sull’IA.

Clicca qui per scoprire la crescente sinergia tra IA e neurologia.

Conclusione

I LLM stanno già vedendo un crescente utilizzo nell’industria medica e si prevede che continueranno a crescere in termini di adozione e impatto. Tuttavia, è importante che questi modelli vengano usati responsabilmente e che i dati sottostanti siano di qualità suprema, privi di bias intrinseci e di disinformazione, per fornire risultati più accurati e migliori risultati per i pazienti.

Clicca qui per scoprire tutto sull’investimento nell’intelligenza artificiale.