IA in classe: obiettivo didattico

Non programmiamo solo attività disciplinari con l’intelligenza artificiale; i nostri studenti hanno bisogno anche di capire come l’IA possa essere utilizzata in pratica. Si parla sempre più spesso dell’intelligenza artificiale e delle sue diverse applicazioni a livello tecnologico. Uno strumento così potente ci potrà aiutare a migliorare la qualità della nostra vita anche nell’ambito della salute? IA, in un futuro sempre più presente, ci aiuterà sicuramente a utilizzare meglio i dati per diagnosticare e curare malattie. Consideriamo quindi qualche esempio.

L’IA aiuterà a gestire centinaia di migliaia di dati, che così verranno processati più velocemente e aiuteranno a rispondere alle diverse necessità della nostra salute.

Solo un algoritmo complesso

Non si tratta di magia è solo matematica! Tutti gli algoritmi che sono alla base dell’intelligenza artificiale sono semplicemente funzioni matematiche, funzioni che descrivono i dati in entrata che sono associati a dei dati in uscita. Nel caso del settore salute, per esempio, i dati di ” input” sono quelli che possono essere contenuti nelle cartelle cliniche elettroniche. Quindi ci si riferisce a i codici relativi alle diagnosi, i dati relativi ai segni vitali (per esempio: un elettrocardiogramma, le analisi del sangue o delle urine) o informazioni di tipo demografico (età, sesso ecc.). Gli input possono essere anche molto complessi: ossia dati di analisi strumentali come TAC o immagini radiologiche. Gli output saranno diagnosi, terapie, prognosi, monitoraggi accurati e in tempo reale.

Un aiuto per decifrare

Cosa può fare l’intelligenza artificiale? Aiutarci a decifrare questi dati, poiché questi possono essere estremamente eterogenei e senza apparenti correlazioni. Per processarli devono essere fatte delle ipotesi su come siano interconnessi.  Le ipotesi sono dei modelli matematici; l’IA permette una sperimentazione veloce dei modelli, consentendo di selezionare quello adeguato, per ottenere le correlazioni  necessarie. Facciamo un esempio pratico, mettiamo di avere una decina di migliaia di analisi del sangue e vogliamo sapere se la variazione dei valori A e B corrisponde alla malattia Y o a quella  Z o a quella W. Con l’intelligenza artificiale è possibile eseguire la valutazione dei dati, e quindi verificare una possibile correlazione in maniera molto rapida. Ma non solo, poiché L’IA non esegue una semplice attività computazionale ma è in grado di “aggiustare il tiro” mentre compie l’analisi, quindi diciamo, dopo che ha verificato un modello su una batteria di dati, l’analisi successiva degli stessi dati beneficerà dell’esperienza derivata dalla prima analisi eseguita. Cerchiamo di capire come avviene questa sorta di autoapprendimento. 

Dentro il deep learning

Ricapitolando: AI “impara” con il machine learning attraverso le relazioni presenti nei big data genera algoritmi che sfociano in determinate previsioni, con livelli variabili di supervisione. 

In alternativa l’apprendimento di AI si fonda su reti neurali artificiali (deep learning) che, partendo sempre dalla disponibilità di dati, garantisce processi ancora più complessi, come il riconoscimento di immagini e suoni. Il Deep Learning è una forma di intelligenza artificiale avanzata ed è quella che si sta utilizzando adesso per compiere analisi sulla salute umana. Come è fatto un sistema di deep learning?  La struttura di un sistema di deep learning è simile a una rete di neuroni interconnessi, da cui il termine “rete neurale”. In questo caso, i dati procedono da un livello di input ai livelli successivi, e ad ogni passaggio vi sono dei nodi, dove i dati vengono perfezionati e classificati. Il flusso di dati e di miglioramento non è solo in avanti, ma è anche all’indietro, così i livelli precedenti ricevendo informazioni da quelli avanzati, e gestiscono il fluire dei nuovi dati riducendo a minimo l’errore.  Gli algoritmi di deep learning, essendo così performanti, sono particolarmente adatti per elaborare dati nell’ambito della salute, dove appunto i dati sono tanti e molto eterogenei tra di loro. 

In pratica cosa può fare

L’IA, in termini pratici, elaborando i dati forniti  (per esempio integrando dati da  più fonti, tac analisi del sangue, marcatori biologici) può estrapolare dati di mortalità, studiare la struttura di proteine e acidi nucleici ( a partire da complesse analisi molecolari e sequenze geniche), aiutare a progettare piccole molecole a scopo terapeutico ( attingendo da data base sull’attività biologica di strutture affini), contribuire a valutare l’azione biologica di una molecola o di una macromolecola. 

Esempio: diagnostica per immagini assistita da IA

Immagina una radiografia, una risonanza magnetica o una tomografia computerizzata. Queste immagini contengono una quantità enorme di informazioni, che possono essere difficili da interpretare completamente per un radiologo, soprattutto quando si tratta di lesioni molto piccole o di patologie rare. IA procederà in questo modo:

1. Addestramento dell’algoritmo: Si “allena” un algoritmo di deep learning su un vasto database di immagini mediche, già diagnosticate da esperti radiologi. L’algoritmo impara a riconoscere i pattern visivi associati a diverse patologie.
2. Analisi dell’immagine: Quando l’algoritmo viene presentato con una nuova immagine, IA analizza pixel per pixel, confrontando con le migliaia di immagini su cui è stato addestrato.
3. Diagnosi assistita: L’algoritmo identifica le aree di interesse, evidenzia eventuali anomalie e fornisce una probabilità di presenza di una determinata patologia. Il radiologo, sulla base di queste informazioni, può formulare una diagnosi più precisa e rapida. Infatti alcune lievi anomalie potrebbero sfuggire all’occhio umano e posticipare nel tempo una diagnosi certa.

Attività da proporre in classe di orientamento alle professioni
1) Scopri le startup: stanno nascendo nuove realtà imprenditoriali con lo scopo di utilizzare l’intelligenza artificiale nel settore della salute. Proponi ai tuoi studenti di identificare una startup nel settore della salute (alimentazione, medicale, farmaceutico, chimico) e descrive l’attività che svolge la startup, in quale ambito e come questa attività viene compiuta.
2) L’intelligenza artificiale deve essere ben gestita: chiedi ai tuoi studenti di identificare una figura professionale nell’ambito delle applicazioni dell’IA nel settore della salute o settori affini ( chimico, ambientale, demografico) e descrivere il ruolo svolto dal professionista e le competenze che deve possedere in questo ambito.