L’intelligenza artificiale si avvicina alla clinica

Newswise — L’inizio della pandemia di COVID-19 ha rappresentato un’enorme sfida per gli operatori sanitari. I medici hanno lottato per prevedere come se la sarebbero cavata i diversi pazienti in trattamento contro il nuovo virus SARS-CoV-2. Decidere come valutare le risorse mediche quando vengono presentate pochissime informazioni ha avuto un impatto mentale e fisico sui caregiver con il progredire della pandemia.

Per alleggerire questo onere, i ricercatori del Pacific Northwest National Laboratory (PNNL), della Stanford University, della Virginia Tech e dei John Snow Labs hanno sviluppato TransMED, uno strumento di previsione dell’intelligenza artificiale (AI) unico nel suo genere volto ad affrontare i problemi causati dall’emergere o malattie rare.

“Mentre il COVID-19 si è diffuso nel 2020, ha portato molti di noi a pensare a come e dove potremmo contribuire in modo significativo”, ha affermato il capo scienziato Sutanay Choudhury. “Abbiamo deciso che avremmo potuto avere il massimo impatto se avessimo lavorato sul problema della previsione degli esiti dei pazienti”.

“COVID ha presentato una sfida unica”, ha affermato Khushbu Agarwal, autore principale dello studio pubblicato in Rapporti scientifici sulla natura. “Avevamo dati sui pazienti molto limitati per addestrare un modello di intelligenza artificiale in grado di apprendere i modelli complessi alla base delle traiettorie dei pazienti COVID”.

Il team multiistituzionale ha sviluppato TransMED per affrontare questa sfida, analizzando i dati delle malattie esistenti per prevedere gli esiti di una malattia emergente.

Rispondere a una chiamata per aiutare

Quando è iniziata la pandemia di COVID-19, i ricercatori del PNNL hanno affrontato la nuova sfida frontalmente. Choudhury si è ritrovato a lavorare in un team che utilizzava l’IA per generare strutture per molecole che potrebbero essere potenziali candidate per lo sviluppo di farmaci contro SARS-CoV-2.

Ha anche provato un’intensa empatia nei confronti degli operatori sanitari in prima linea nella battaglia contro il COVID-19. “Era chiaro che dovevamo costruire strumenti più efficaci per proteggere meglio sia i pazienti che gli operatori sanitari durante la prossima crisi”, ha affermato Choudhury.

Choudhury e Agarwal si sono avvalsi dell’aiuto di Colby Ham e Robert Rallo, direttore della Advanced Computing, Mathematics, and Data Division presso PNNL, nonché di informatici della Stanford University, Virginia Tech e John Snow Labs per costruire uno strumento del genere.

Suzanne Tamang era una di quegli scienziati. In precedenza ha lavorato con Choudhury, Agarwal e Rallo a un progetto di analisi sanitaria. Era ansiosa di partecipare a questo sforzo di ricerca per applicare le sue conoscenze per fornire supporto decisionale agli operatori sanitari.

“Abbiamo visto tutti la necessità di contribuire”, ha affermato Tamang, assistente del direttore della facoltà, Data Science, presso lo Stanford Center for Population Health Science e istruttore presso il Dipartimento di scienza dei dati biomedici, Stanford University School of Medicine. “Potremmo sfruttare le nostre capacità per costruire uno strumento con valore e utilità immediati per gli operatori sanitari”.

Tamang non è estraneo a tale altruismo. Come parte del club Statistics for Social Good della Stanford University, dona regolarmente il suo tempo e le sue capacità per risolvere problemi su una varietà di questioni sociali. “A volte, la scienza migliore si verifica quando i ricercatori sono spinti dal desiderio di aiutare”, ha affermato Tamang.

Un nuovo approccio per combattere malattie sconosciute

I primi risultati indicano che TransMED supera gli attuali modelli di previsione degli esiti dei pazienti, in particolare per gli esiti più rari. Agarwal attribuisce in parte questo alla capacità di TransMED di esaminare un’ampia varietà di informazioni mediche, comprese altre malattie respiratorie.

“TransMED considera quasi tutti i tipi di dati di cartelle cliniche elettroniche come condizioni mediche, farmaci, procedure, misurazioni di laboratorio e informazioni da note cliniche”, ha affermato Agarwal. “Avere questa visione olistica del paziente consente a TransMED di fare previsioni proprio come farebbe un medico”.

L’altro fattore che contribuisce al successo di TransMED è il trasferimento dell’apprendimento. In sostanza, il trasferimento di apprendimento funziona facendo in modo che un modello di apprendimento automatico funzioni per risolvere un problema in cui esistono molti dati. Il modello trasferisce quindi questa conoscenza per risolvere problemi simili. Nel caso di TransMED, i ricercatori hanno addestrato il modello sugli esiti noti dei pazienti con malattie respiratorie gravi e applicato tale conoscenza alla previsione degli esiti di COVID-19.

“Data la storia medica recente di un paziente, TransMED può prevedere la necessità di un paziente di ventilatori o altri rari esiti da 5 a 7 giorni nel futuro”, ha affermato Choudhury.

L’applicazione dell’IA nelle strutture sanitarie del mondo reale è agli inizi, ma questo lavoro è un primo passo promettente verso la costruzione di un modello utile per prevedere i risultati dei pazienti. Sebbene TransMED debba ancora essere testato in ambito clinico, offre uno sguardo incoraggiante sul futuro dell’assistenza sanitaria.

Altri autori di questo documento sono Sindhu Tipirneni e Chandan K Reddy di Virginia Tech; Pritam Mukherjee, Matthew Baker, Siyi Tang e Olivier Gevaert della Stanford University; e Veysel Kocaman di John Snow Labs. Questo lavoro è stato supportato da un programma di ricerca e sviluppo diretto dal laboratorio PNNL.

.

Leave a Comment

Your email address will not be published.