Innovazione nell’healthcare: Come l’IA può trasformare il settore sanitario
Dopo la digitalizzazione degli ultimi decenni, il settore sanitario è sommerso da un mare di dati: testi, immagini, video e molto altro. Riteniamo che questa ricchezza di dati consentirà all’intelligenza artificiale (IA) di trasformare il settore dell’healthcare e delle life sciences. L’IA può ricavare ancor più informazioni dai dati rispetto alle capacità umane, fornendo una comprensione potenzialmente senza precedenti della biologia e della fisiologia complesse. Può accelerare lo sviluppo di farmaci a costi inferiori e migliorare l’efficacia di nuovi farmaci.
Amit Sinha, Global Head of Life Sciences di Goldman Sachs, ha recentemente intervistato Anima Anandkumar, Bren Professor of Computing and Mathematical Sciences presso il California Institute of Technology e Senior Director of AI Research di Nvidia, in merito all’impatto dell’IA sull’innovazione nel settore life science.
La sua ricerca si è concentrata su diversi campi, dalla previsione meteorologica alla scoperta di farmaci e alla robotica. Quali settori potrebbero essere maggiormente interessati dall’IA nel prossimo decennio?
Siamo solo all’inizio di una rivoluzione molto entusiasmante, che avrà un impatto su qualsiasi campo: tutti abbiamo visto che l’IA può generare nuovi testi e nuove immagini, ma ha anche le potenzialità di generare nuove proteine, nuovi farmaci, nuovi design di auto e strumenti medici migliori. In questo momento, tutto sembra possibile.
Un’area che l’IA sta trasformando è la medicina di precisione, grazie all’idea che l’IA possa essere utilizzata per sviluppare farmaci migliori e farli arrivare ai pazienti giusti. Può spiegarci come funziona?
Dal XVII secolo ci siamo basati sulla sperimentazione fisica e si tratta di un processo che richiede molto tempo. Se l’esperimento riesce, è un ottimo risultato. In caso contrario, è possibile anche non capirne il motivo e dover ritornare alla teoria.
Cosa accadrebbe se potessimo rendere questo processo molto più sistematico ed esplorare, ad esempio, lo sviluppo del farmaco in modo più approfondito rispetto a prima? L’IA può effettuare tutti questi esperimenti fisici nel mondo virtuale. Il mondo reale è molto complesso. Se riusciamo a fare previsioni sempre più accurate nelle simulazioni e ad accelerarne la capacità, possiamo rispondere in modo più rapido e accurato alle domande sull’efficacia con cui un farmaco interagisce con il corpo umano.
La ricerca diventerebbe quindi più economica e molto più veloce, poiché si baserebbe maggiormente sulle simulazioni, riducendo dunque la dipendenza dagli esperimenti fisici. Alla fine, tuttavia, avremo comunque bisogno della sperimentazione fisica per convalidare i risultati.
Il costo del sequenziamento genomico sta diminuendo e stiamo assistendo, pertanto, ad un miglioramento del targeting dei farmaci. Una volta identificate le differenze tra determinate popolazioni a livello genomico, è possibile indirizzare meglio i farmaci a seconda dei loro obiettivi. È fondamentale raccogliere dati a livello di popolazione umana in modo da poterli inserire nei nostri modelli di IA. Si tratta di considerare le specifiche di un farmaco, prendere un set di dati sulla popolazione o sulla genetica e quindi mapparli insieme per vedere chi sarà più adatto a trarre beneficio da un determinato farmaco. Tutto questo appartiene al regno dei big data, ed è qui che l’IA svolge un ruolo importantissimo.
Qual è il ruolo dell’IA nel riadattare i farmaci esistenti a nuove applicazioni?
Per me, il riadattamento dei farmaci è un ottimo sviluppo. Si tratta di un risultato relativamente facile da ottenere, in quanto disponiamo già di un database di informazioni sui farmaci esistenti, sul loro profilo di sicurezza e sui loro obiettivi. Sono già state condotte molte ricerche. Prendiamo un farmaco approvato per un trattamento e, grazie alla ricerca assistita dall’IA, possiamo riadattarlo e scoprire che magari è efficace contro un’altra malattia. Ciò è molto più facile ed economico che chiedere all’IA di generare una nuova molecola candidata partendo da zero.
In che modo l’IA può aiutare a migliorare il rilevamento precoce e la previsione sul decorso delle malattie?
Tutti sanno che prevenire è meglio che curare, ma finora non è stato possibile farlo se non consigliando alcuni cambiamenti nello stile di vita. Ora, invece, è possibile farlo sulla base dei dati. L’Apple Watch,1 ad esempio, effettua misurazioni regolari e può utilizzare questi dati per identificare irregolarità cardiache, aiutando probabilmente la diagnosi precoce degli infarti.
Uno dei miei colleghi lavora sui sensori del sudore, che possono fornire informazioni sul diabete o su altre patologie semplicemente utilizzando tale sintomo. Esistono altri sensori più economici, ampiamente accessibili, a basso consumo e che possono utilizzare l’intelligenza artificiale per rilevare le anomalie e formulare raccomandazioni o chiedere aiuto in caso di eventi avversi.
L’IA sta aiutando anche a rilevare i tumori in modo precoce e non invasivo. Ad esempio, sta rendendo più veloci ed economiche le scansioni di tutto il corpo e sta aiutando a ricostruire le immagini con una risoluzione molto più elevata senza richiedere ore di calcolo. Anche i big data possono svolgere un ruolo importante. Possiamo esaminare i dati a livello demografico generale e individuare elementi ricorrenti che possono aiutarci a determinare quali sono, ad esempio, i primi segnali di allarme per le malattie cardiache.
Dal punto di vista tecnologico, cosa occorre ancora per promuovere l’innovazione? Le aziende hanno accesso alla potenza di calcolo richiesta in termini di chip e cloud?
L’IA in realtà si fonda su tre componenti: dati, algoritmi e infrastrutture informatiche. Il campo dei dati, in alcuni settori, è stato facilmente accessibile. Ad esempio, i testi e le immagini sono liberamente disponibili su Internet, perciò in questi ambiti stiamo assistendo alle innovazioni più rapide. Tuttavia in altre aree, come il settore life science, il processo è più lento perché i dati sono frammentati e non si trovano nella scala necessaria per far emergere gli elementi ricorrenti.
L’IA sta rendendo migliaia di volte più veloce lo sviluppo di surrogati e di simulazioni migliori. Si tratta solo di potenza di calcolo, non ci sono dati. Ma a volte i dati sono il fattore limitante: ci sono abbastanza genomi per costruire un modello linguistico di grandi dimensioni? Questo è esattamente ciò che abbiamo fatto lo scorso anno. Abbiamo preso tutti i genomi di virus e batteri conosciuti e abbiamo creato un modello linguistico. Tuttavia, invece di usare il testo inglese, è stato addestrato sui nucleotidi, le sostanze chimiche che compongono il codice genetico. Utilizzando questo metodo, possiamo prevedere nuove varianti minacciose di coronavirus e altre malattie infettive prima ancora che emergano.
A volte, quando non abbiamo abbastanza dati o c’è solo una quantità di dati molto limitata, come per le sperimentazioni di farmaci sugli esseri umani, dobbiamo cercare di dare un significato ai dati che abbiamo. In questi casi, abbiamo bisogno di tecniche algoritmiche migliori.
Recentemente, abbiamo visto collaborazioni tra aziende tecnologiche e aziende biotecnologiche. È questo il futuro dell’innovazione nel settore life science?
Si tratta di uno sviluppo molto entusiasmante. Queste aziende tecnologiche hanno un’enorme competenza nella costruzione di grandi cluster informatici e nello sviluppo di software e framework di IA, che ci aiutano a formarci sui big data. Non possiamo aspettarci che le aziende del settore life science assumano tutti i talenti di cui avrebbero bisogno per replicare queste capacità.
Non si tratta più di una persona che si siede davanti a un computer, utilizza un piccolo set di dati ed esegue un sistema di apprendimento automatico disponibile open source per proporre innovazioni. La frontiera del settore life science ora coinvolge i big data, la costruzione di modelli linguistici di grandi dimensioni e un’enorme potenza di calcolo. Sono necessarie competenze specialistiche per poter progettare e costruire questi modelli.
Cosa consiglia alle aziende del settore life sciences che desiderano incorporare l’IA e la tecnologia di apprendimento automatico nei loro principali processi di innovazione?
Direi di non mettere l’IA nelle presentazioni soltanto perché è di moda in questo periodo. Questo potrebbe suscitare entusiasmo in alcune persone, ma non negli investitori, che capiscono invece cosa sta succedendo e cosa si sta realizzando. Se un’azienda utilizza l’IA, deve integrarla correttamente nei suoi processi. Ma prima, bisogna valutare se l’IA è la cosa giusta per l’azienda. In alcuni casi, forse non lo è.
1 Solo a fini illustrativi. Qualsiasi riferimento a società o titoli specifici non costituisce una raccomandazione per l’acquisto, la vendita, la detenzione o l’investimento diretto nelle stesse società o nei relativi titoli.
