Una compagina medica Israeliana (Zebra Medical Imaging) ha siglato un accordo con un fornitore di servizi medicali statunitense che potrebbe cambiare la modalità in cui vengono diagnosticate alcune patologie riscontrate a seguito di un’indagine radiografica.
Le due aziende stanno sviluppando grazie a una rete neurale artificiale un sistema che sia in grado di confrontare le radiografie dei pazienti con un database proprietario che include un catalogo di milioni di immagini con rispettive diagnosi. Il progetto ha l’obbiettivo di offrire al radiologo le immagini già accompagnate da un’ipotesi di diagnosi generata dall’intelligenza artificiale così da eliminare i costi altissimi imputabili a diagnosi errate e pesare meno sul sistema di servizio sanitario.
Il sistema di apprendimento dell’intelligenza artificiale
Le reti neurali artificiali non sono altro che un sistema informatico che tenta di riprodurre il funzionamento che i neuroni hanno nelle reti biologiche. Ogni neurone artificiale è collegato agli altri grazie a delle interconnessioni in rete. Lo scopo è quello di acquisire dati dall’esterno, elaborarli e restituire un risultato sotto forma di impulso. Questo tipo di rete è utilizzata principalmente per affrontare e tentare di risolvere determinate categorie di problemi.
Se l’esperimento dovesse dare buoni esiti potremmo immaginare in un prossimo futuro diagnosi sempre più precoci di patologie ossee, cardiovascolari e polmonari, ovvero di tutte quelle che sfrutterebbero i vantaggi di un’analisi preliminare comparativa con migliaia di dati che andrebbe a sommarsi a quella del medico. Ci sono diversi progetti che hanno come protagonista l’utilizzo di un’intelligenza artificiale: per fare un esempio Ibm ha speso gli ultimi anni risorse per Watson, un supercomputer in grado di analizzare e acquisire grandi quantità di informazioni dal testo, aumentando così la base di conoscenza sulla quale verrà formato il processo di comprensione successivo. In concreto un computer in grado di imparare.che ha già trovato spazio per la ricerca clinica oncologica.