© Ngampol/stock.adobe.com
Identificare in modo rapido ed efficiente gli individui ad alto rischio di malattia è fondamentale per ottenere migliori risultati sanitari a lungo termine. Questo è particolarmente vero per le patologie curabili come il diabete, l’ictus e la coronaropatia.
Il progetto AI-PREVENT, finanziato dal Consiglio europeo della ricerca(si apre in una nuova finestra), ha voluto sostenere questo obiettivo attraverso l’applicazione dell’intelligenza artificiale (AI). A tal fine, sono stati raccolti i dati sanitari della popolazione finlandese e una serie di altre informazioni.
«Questi dati sono stati acquisiti attraverso l’iniziativa FinRegistry(si apre in una nuova finestra) », spiega il coordinatore del progetto AI-PREVENT Andrea Ganna, dell’Università di Helsinki(si apre in una nuova finestra). «Questo set di dati include informazioni sulla salute e un’ampia gamma di altri dati, come ricoveri, diagnosi, rischio familiare e stato socio-demografico.»
Modelli della salute e di altri fattori di rischio
Questa fonte di dati preziosa ha permesso al progetto di sviluppare e applicare nuovi approcci di intelligenza artificiale per creare modelli delle possibili traiettorie di salute in relazione alle malattie cardiovascolari. L’obiettivo era quello di trovare nuovi modi per modellare le complesse relazioni tra salute e vari altri fattori di rischio.
«Si può pensare a questo set di dati come al libro della vita di tutti i cittadini finlandesi», dice Ganna. «Ogni individuo è una frase di questo libro. Tutte le frasi sono collegate, con relazioni ed elementi multigenerazionali.»
L’applicazione di strumenti di IA ha permesso a Ganna e colleghi di esaminare ogni frase nel suo contesto e di generare previsioni per il futuro. «Possiamo cercare di capire come si evolveranno queste storie individuali», spiega.
Collegare i dati socioeconomici con quelli sanitari
I modelli generati dall’IA hanno dimostrato di essere strumenti potenti per identificare individui specifici a rischio e bisognosi di cure preventive. Gli usi finali probabili di tali modelli potrebbero essere lo screening del cancro o l’identificazione di individui che necessitano di un controllo cardiovascolare.
«Questo tipo di selezione normalmente viene effettuata solo in base a criteri chiave, come l’età e il sesso», aggiunge Ganna. «L’applicazione di strumenti di intelligenza artificiale a un ampio registro di dati ci consente di effettuare uno screening migliore delle persone. Questo approccio più personalizzato potrebbe aiutarle a vivere più a lungo e potrebbe essere più economico per i servizi sanitari.»
Il progetto ha preso in esame anche il concetto di equità. Ganna si è prefissato di capire se la modellizzazione dell’IA sarebbe stata accurata per tutti i gruppi sociali o se avrebbe favorito alcuni di essi, ad esempio le persone più abbienti.
«Volevamo comprendere se, collegando i dati socio-economici con quelli sanitari, si potessero ottenere indicatori imparziali», osserva. «Questo approccio apre anche un’altra questione: come società, vogliamo davvero usare i dati in questo modo? Se un sistema di IA decide chi deve ricevere per primo un vaccino sulla base di dati complessi, i cittadini lo accetteranno?»
Rendere i modelli di IA più generalizzabili
Un prossimo passo importante sarà l’espansione di questo esercizio in diversi Paesi europei. Ganna osserva che il regolamento europeo sullo spazio europeo dei dati sanitari(si apre in una nuova finestra), entrato in vigore a marzo 2025, è particolarmente in linea con la legislazione finlandese che ha reso possibile il progetto AI-PREVENT.
«Questo progetto ha sottolineato l’importanza dell’accesso ai dati», afferma. «È il fulcro di tutto ciò che facciamo. Non saremmo in grado di capire l’equità dell’applicazione degli strumenti di IA, ad esempio, se non avessimo dati reali da usare. La ricerca sulla salute pubblica di precisione non può prescindere da questo lavoro fondamentale.»
L’applicazione dell’IA a un maggior numero di Paesi dell’UE contribuirebbe a rendere i modelli di Ganna più generalizzabili e in grado di comprendere le differenze tra i Paesi. Oggi il ricercatore intende inoltre addestrare i suoi modelli di IA su dati genetici, per rafforzare ulteriormente l’assistenza sanitaria preventiva in Europa. Secondo le attese, questi approcci mirati contribuiranno a migliorare i risultati sanitari e a rendere il lavoro di laboratorio più efficace ed efficiente.
Scopri altri articoli nello stesso settore di applicazione