Medicina, AI e deep learning fanno tanto, ma non tutto

I modelli di intelligenza artificiale sono potenti, ma non riescono ancora a rispondere su come affrontare i problemi di base della salute umana

Marzyeh Ghassemi

Oggi, l’apprendimento automatico e l’intelligenza artificiale possono capire lo stato di salute di una persona, contribuire a fare una diagnosi e individuare una possibile terapia. I modelli di AI possono aiutare a progettare farmaci o trovare nuovi tipi di applicazioni per quelli esistenti. A casa, si possono chiedere all’assistente AI (Siri, Alexa, Cortana o molti chatbot) consigli medici. Tali assistenti potrebbero anche avere accesso alle informazioni da dispositivi intelligenti: per esempio, la bilancia potrebbe funzionare con Fitbit per controllare lo stato di salute.

Qualcuno si chiederà perché questa descrizione della realtà non corrisponda a quella in cui vive. L’intelligenza artificiale è stata paragonata all’elettricità: il nuovo carburante del mondo. Ma come è successo con l’elettricità, il dispiegamento dell’AI nelle biotecnologie è stato a salti. Pratici sistemi di alimentazione elettrica furono introdotti negli anni 1880 e la maggior parte delle città e paesi americani ricevette elettricità da società di servizi pubblici negli anni 1920. Ma il 90 per cento dell’America rurale non ebbe l’elettricità fino a quando il Congresso non istituì la Rural Electrification Administration nel 1936. Oggi siamo di fronte a una situazione di squilibrio simile con l’AI.

La sfida più grande che l’apprendimento automatico e l’AI devono affrontare ora è di tipo etico. I modelli sono costruiti in modo molto potente per fare qualcosa di specifico e non per leggere tra le righe. In altre parole, il modello farà solo, ed esattamente, ciò che gli si dice di fare, spesso nel modo più veloce. Ma i dati di addestramento rimangono un problema. 

Se i medici di sesso maschile non riconoscono gli attacchi di cuore nelle pazienti di sesso femminile, o se i livelli di ossigenazione dei pazienti di colore sono riportati in modo errato, allora questi dati incoerenti vengono incorporati dall’AI, con alta probabilità che i modelli addestrati su questi dati possano, una volta attivati, sottodiagnosticare le donne e le minoranze. 

Con l’aiuto della tecnologia, è ora possibile concentrare le risorse su aree della salute umana che sono complesse e cronicamente poco studiate, o prendere in considerazione problemi prima trascurati. Se i modelli di intelligenza artificiale possono evidenziare dove la società non risponde alle necessità delle persone, allora le opzioni a disposizione potrebbero migliorare. A sua volta incoraggiante è riscontrare la nuova attenzione alla riproducibilità e ai benchmark nella ricerca sull’AI. 

Ciò che manca è la capacità di sfruttare l’apprendimento automatico e l’AI per rispondere alle domande sulla salute umana a cui le biotecnologie non hanno ancora risposto. Il riconoscimento delle immagini di cani da parte delle reti neurali è stato possibile con sistemi di etichettatura di alta qualità e anche i tentativi di generare o tradurre il linguaggio umano sono verificati e controllati da esperti. 

Al contrario, gran parte della biologia, della salute e della medicina è nella fase della scoperta fondamentale. Come funzionano le malattie neurodegenerative? Quali fattori ambientali contano davvero? Che ruolo gioca la nutrizione nella salute umana? Non lo sappiamo ancora. In questi campi, l’apprendimento automatico sta assumendo un compito diverso, più impegnativo, che richiederà meno ingegneria e più scienza.

Marzyeh Ghassemi è ricercatore al MIT e docente del Vector Institute

Photo by Austin Distel on Unsplash

(rp)

Related Posts
Total
0
Share