Ogni anno negli Stati Uniti, si registrano 250.000 vittime a causa di errori medici evitabili. Gran parte di questi errori è attribuibile a fallimenti nel processo diagnostico.
Una soluzione efficace per aumentare l’accuratezza delle diagnosi mediche è rappresentata dall’intelligenza collettiva, che consente di combinare le valutazioni di più medici in una diagnosi condivisa.
Tuttavia, in medicina clinica generale, mancano metodi affidabili per aggregare diagnosi indipendenti. Recentemente, un team di ricercatori del Max Planck Institute for Human Development, del Cnr-Istc (Istituto di Scienze e Tecnologie della Cognizione del Consiglio Nazionale delle Ricerche di Roma) e della Norwegian University of Science and Technology ha sviluppato una soluzione completamente automatizzata che sfrutta l’intelligenza artificiale e l’ingegneria della conoscenza.
Questi ricercatori hanno testato la loro soluzione su 1.333 casi medici, ognuno dei quali è stato diagnosticato indipendentemente da 10 medici.
I risultati sono stati sorprendenti: l’accuratezza diagnostica dei singoli partecipanti era del 46%, ma l’unione delle decisioni di 10 partecipanti ha aumentato l’accuratezza fino al 76%.
Questo miglioramento è stato osservato in tutte le specialità mediche, i sintomi principali e i livelli di competenza dei partecipanti. “I nostri risultati dimostrano come l’intelligenza collettiva possa essere un’arma potente per migliorare i servizi sanitari e salvare vite umane”, ha affermato il primo autore Ralf Kurvers, ricercatore senior presso il Center for Adaptive Rationality del Max Planck Institute for Human Development.
L’intelligenza collettiva è già ampiamente riconosciuta per l’aumento dell’accuratezza delle decisioni in vari settori, come previsioni geopolitiche, investimenti e diagnosi in campi come radiologia e dermatologia.
Tuttavia, il suo utilizzo in compiti decisionali più complessi e aperti, come la gestione delle emergenze o la diagnosi medica generale, è stato limitato dalla sfida di integrare input non standardizzati da diverse fonti.
Per superare questa sfida, i ricercatori hanno sfruttato tecniche di intelligenza artificiale, come i grafi semantici di conoscenza e l’elaborazione del linguaggio naturale.
Queste tecniche hanno permesso di standardizzare e allineare le diagnosi mediche utilizzando l’ontologia medica SNOMED CT, una terminologia clinica multilingue completa.
“Un contributo fondamentale del nostro lavoro è che, pur mantenendo la centralità delle diagnosi fornite dagli esseri umani, le nostre procedure di aggregazione e valutazione sono completamente automatizzate, evitando possibili distorsioni nella generazione della diagnosi finale e consentendo al processo di essere più efficiente in termini di tempo e di costi”, ha aggiunto Vito Trianni del Cnr-Istc.
Attualmente, i ricercatori stanno collaborando con altri partner nel progetto HACID, finanziato dall’UE, che mira a creare nuovi strumenti per il supporto alle decisioni in vari settori, combinando esperti umani, rappresentazioni della conoscenza e ragionamento automatico.
L’applicazione della tecnologia HACID alla diagnostica medica rappresenta un esempio di come un sistema sanitario basato sulla tecnologia digitale e su dati accessibili possa rivoluzionare la pratica medica, riducendo gli errori diagnostici e salvando vite umane.
