I progressi in campo medico consentono di prevedere i rischi di sviluppare patologie in modo sempre più accurato. Ma il corpo umano è un sistema complesso, i cui elementi interagiscono spesso in modo poco intuitivo.
L'intelligenza artificiale, già testata nel campo delle diagnosi più difficili, ha ora dimostrato di saper anticipare il rischio di problemi cardiovascolari meglio di quanto si possa fare con le attuali linee guida standard usate dai cardiologi. Affiancando questi algoritmi alla competenza di medici in carne e ossa, si potrebbero salvare ogni anno migliaia di vite in più, come dimostra uno studio britannico pubblicato su PLOS ONE.
Gli strumenti che abbiamo. Per ipotizzare il rischio di eventi cardiovascolari come infarti, ictus e ostruzioni coronariche, molti medici si basano sulle linee guida della American College of Cardiology/American Heart Association (ACC/AHA). Queste includono otto fattori di rischio tra cui età, elevati livelli di colesterolo e pressione alta. Ma questi criteri potrebbero non inquadrare facilmente pazienti con altre malattie concomitanti, stili di vita particolari o che facciano largo consumo di farmaci.
Leggi e impara. Stephen Weng, epidemiologo dell'Università di Nottingham (Regno Unito) ha dato in pasto a quattro diversi tipi di algoritmi ad apprendimento automatico i dati medici storici relativi a oltre 378 mila pazienti inglesi, permettendo a ciascuno di individuare, gradualmente e senza istruzioni umane, i pattern ricorrenti che avevano portato a eventi cardiovascolari.
Il 78% dei dati è stato usato come "manuale" per imparare: analizzandoli, le intelligenze artificiali hanno individuato le proprie linee guida di previsione dei rischi. La parte restante è servita da banco di prova. Usando i criteri appresi, e prendendo come riferimento i dati del 2005, gli algoritmi hanno provato a prevedere quali pazienti avrebbero avuto problemi cardiovascolari nei 10 anni successivi.
Quindi, hanno spulciato i dati del 2015 per vedere se avevano avuto ragione. Rispetto alle linee guida della ACC/AHA, i sistemi di machine learning hanno tenuto conto di altri 22 fattori di rischio, inclusi provenienza etnica, malattie renali, artrite.
Non solo teoria. Rispetto alle previsioni compiute dall'uomo con i criteri standard, gli algoritmi si sono rivelati più precisi, con indici di accuratezza compresi tra lo 0,745 e lo 0,764, contro lo 0,728 dell'uomo (dove 1 rappresenta il 100% di previsioni esatte). Il sistema più efficace dei quattro ha totalizzato il 7,6 % di previsioni corrette in più, l'equivalente di 355 pazienti le cui vite si sarebbero potute salvare.
Poiché la conoscenza dei rischi equivale, nella maggior parte dei casi, a una migliore prevenzione, l'utilizzo di algoritmi come questo si rivelerà importante per la messa a punto di piani di cura sempre più precisi.