Un sistema di intelligenza artificiale traduce le linee guida in decisioni terapeutiche affidabili
Un assistente di intelligenza artificiale generativa capace di trasformare le linee guida internazionali per il trattamento dell’epatite C in risposte cliniche chiare, aggiornate e coerenti con gli standard più avanzati: è il risultato di uno studio internazionale guidato dall’Università di Trieste, in collaborazione con la Yale University School of Medicine, che segna un passo decisivo nell’integrazione dell’IA nella pratica medica.
La ricerca è coordinata da Mauro Giuffrè, ricercatore del Dipartimento di Scienze Mediche, Chirurgiche e della Salute dell’Ateneo triestino, ed è stata validata direttamente dagli autori delle linee guida europee EASL per il trattamento dell’HCV, conferendo allo studio un livello di autorevolezza scientifica senza precedenti nel settore.
Epatite C: una sfida globale ancora aperta
L’epatite C, causata dal virus HCV, colpisce il fegato e può evolvere in forme croniche con gravi complicanze, tra cui cirrosi e carcinoma epatocellulare. Secondo l’Organizzazione Mondiale della Sanità, circa 58 milioni di persone nel mondo convivono con l’infezione cronica e ogni anno si registrano oltre 1,5 milioni di nuovi casi.
L’OMS ha fissato un obiettivo ambizioso: eliminare l’epatite C come minaccia per la salute pubblica entro il 2030, riducendo del 90% le nuove infezioni e del 65% i decessi. In questo scenario, strumenti digitali avanzati e soluzioni basate sull’intelligenza artificiale rappresentano un acceleratore strategico.
IA e linee guida: due approcci per specializzare GPT-4 nella gestione dell’HCV
Il team di ricerca ha sviluppato e testato due strategie innovative per adattare GPT-4 alla gestione clinica dell’epatite C attraverso le linee guida europee:
Da un lato, un sistema di Retrieval-Augmented Generation (RAG), che integra in tempo reale i contenuti delle linee guida EASL. Il sistema è stato testato in due configurazioni: RAG-Top1, che recupera il singolo paragrafo più rilevante, e RAG-Top10, che seleziona i dieci paragrafi più pertinenti.
Dall’altro lato, un approccio di Supervised Fine-Tuning (SFT), basato su un addestramento specifico del modello linguistico sui contenuti delle stesse linee guida.
Risultati: accuratezza clinica oltre il 90%
I risultati hanno evidenziato un miglioramento netto e significativo rispetto al modello base di GPT-4, che mostrava un’accuratezza del 36,6% nelle valutazioni cliniche.
Il modello RAG-Top10 ha raggiunto un’accuratezza del 91,7%, seguito da RAG-Top1 con l’81,7% e dal modello SFT con il 71,7%. Dati che dimostrano come l’integrazione strutturata delle linee guida cliniche possa trasformare l’IA in un vero strumento di supporto decisionale.
Una validazione clinica vicina al “gold standard”
A rendere lo studio particolarmente rilevante è la metodologia di validazione, finora inedita nella letteratura scientifica sull’intelligenza artificiale in medicina. La valutazione è stata affidata a due gruppi indipendenti di epatologi.
Il primo gruppo comprendeva quattro esperti di fama internazionale, tra cui gli autori principali e i presidenti delle linee guida EASL, ovvero i massimi riferimenti europei nella gestione dell’epatite C. Il secondo gruppo era composto da epatologi clinici di un centro terziario di riferimento, l’Humanitas Hospital di Rozzano.
Questo doppio livello di analisi, teorico e clinico, ha consentito una valutazione che gli stessi ricercatori definiscono “vicina al gold standard” per l’accuratezza degli output generati dall’IA.
Verso l’integrazione sicura dell’IA generativa nella pratica clinica
Secondo gli autori, sia i modelli RAG sia quelli fine-tuned migliorano in modo significativo le prestazioni dei Large Language Models nella gestione dell’epatite C, aumentando accuratezza, chiarezza delle risposte e appropriatezza delle scelte terapeutiche nei diversi scenari clinici.
Lo studio rappresenta un passo concreto verso una integrazione sicura e responsabile dell’intelligenza artificiale generativa nella medicina, aprendo nuove prospettive per il supporto alle decisioni cliniche, soprattutto in ambiti ad alta complessità come le malattie epatiche croniche e nei contesti con risorse sanitarie limitate.
Una rete internazionale tra medicina e ingegneria
La ricerca, pubblicata su Liver International con il titolo From Guidelines to Real-Time Conversation: Expert-Validated Retrieval-Augmented and Fine-Tuned GPT-4 for Hepatitis C Management, ha coinvolto un ampio network multidisciplinare.
Oltre a Mauro Giuffrè, hanno contribuito Nicola Pugliese e Alessio Aghemo (Humanitas University), i bioingegneri dell’Università di Trieste Simone Kresevic e Milos Ajcevic, insieme a un gruppo internazionale di epatologi e specialisti di intelligenza artificiale provenienti da istituzioni di eccellenza come Yale, Ginevra, Barcellona, Milano e Parigi.
Un esempio concreto di come la ricerca italiana, integrata in una rete globale, possa guidare l’innovazione digitale al servizio della salute pubblica.
