Un recente articolo di Nature annuncia i vantaggi dell'uso dell'intelligenza artificiale nella sperimentazione clinica che porterà ai pazienti più farmaci mirati e cure più personalizzate.
Oggi, infatti, tutti gli studi clinici raccolgono dati su ciascun paziente, dall'età al sesso e allo stato della malattia, ma circa il 50% non fornisce risultati affidabili.
Questo accade perché ognuna di queste variabili influenza gli esiti di salute anche in assenza di un trattamento e scegliere le stesse covariabili dei casi precedenti non aiuta ad ottimizzare i dati clinici che verranno raccolti: esistono concause diverse derivanti dalla variabilità biologica dei soggetti in cura.
L’intelligenza artificiale inizia a fornirci nuove fonti di informazioni prognostiche che erano irraggiungibili con i metodi precedenti.
Questo porta a un miglioramento del potere statistico e quindi a una ridotta probabilità di fallimento degli studi sperimentali e dei percorsi terapeutici.
Per migliorare la significatività dei risultati clinici e l’efficienza delle cure è fondamentale determinare quali covariabili interpretare e correggere. Scientificamente e non empiricamente, cioè per prove ed errori.
Ad esempio, Owkin, un’azienda di biotecnologie basata sull’intelligenza artificiale, ha sviluppato HCCnet, un modello di deep learning in grado di valutare vetrini istologici di carcinoma epatocellulare (HCC) resecato, che si è rivelato così accurato che hanno iniziato a usarlo per produrre covariabili aggiuntive.
Fonte notizia
scienzenews20000.wordpress.com 2023 10 30 dispositivi-digitali-per-la-salute-ci-pensera-unintelligenza-artificiale
