Ancora in tema di applicazioni dell’Intelligenza Artificiale (IA) in Cardiologia

di Gian Luigi Nicolosi
Occorrono un più profondo ripensamento delle metodologie di approccio e sviluppo dell’IA e una maggiore capacità di ascolto e coinvolgimento anche delle realtà cardiologiche più piccole, nonché una più penetrante partecipazione attiva della cardiologia nelle sedi istituzionali, dove vengono delineate le strategie e i regolamenti delle nuove applicazioni di IA in campo medico

Nel primo numero del Congress News Daily del Congresso ANMCO di maggio 2022 era stato aperto un dibattito sul futuro dell’Intelligenza Artificiale (IA) in Cardiologia. A distanza di due anni lo spazio congressuale dedicato all’IA in Cardiologia risulta ancora apparentemente circoscritto. Si aprono quindi interrogativi sulle cause di tale lenta crescita e diffusione, a fronte di un interesse crescente nell’opinione pubblica, nei media, e perfino a livello del Parlamento Europeo, che con una Risoluzione Legislativa ha approvato il 13 marzo 2024 il Regolamento sull’Intelligenza Artificiale. Tale Regolamento pone grande attenzione alla gestione dei rischi connessi all’utilizzo dell’IA, a seconda che gli stessi rischi vengano classificati come inaccettabili, elevati, limitati o minimi. Ciò rende verosimilmente ragione, almeno in parte, della lenta crescita delle applicazioni dell’IA in Cardiologia. È comunque ragionevole pensare che esistano anche altre difficoltà che non ne hanno facilitato l’implementazione.

Un certo rallentamento è forse paradossalmente coinciso con lo sviluppo non supervisionato dei Large Language Models (LLM), come il GPT-3 (Generative Pre-Trained Transformer) e il BERT (Bidirectional Encoder Representations from Transformers), capaci di generare testi indistinguibili da testi prodotti da umani (e quindi anche diagnosi), ma che possono risultare scorretti, incompleti, contenere errori o pregiudizi, o essere accondiscendenti con le aspettative dell’utilizzatore. In più i risultati possono variare da un sistema all’altro, mentre il controllo e la supervisione della affidabilità dei risultati stessi è difficile e incerta. Non è quindi possibile proporre tali sistemi come strumenti utili a supporto della decisione clinica, se non si raggiungeranno prima possibilità di controllo, trasparenza dei percorsi e degli algoritmi, plausibilità fisiopatologica e certificazione delle fonti, che possano garantirne la affidabilità scientifica. E ciò anche a protezione legale e assicurativa per i rischi derivanti da errore medico o mancata protezione della privacy, e a garanzia di cyber sicurezza ed eticità.

Negli altri campi di applicazione dell’IA in Cardiologia, come nell’imaging, nella diagnostica e nelle applicazioni prognostiche, una parte delle difficoltà di sviluppo e implementazione potrebbe derivare da un approccio metodologico apparentemente elitario (top-down) da parte di pochi centri e pochi operatori molto coinvolti e capaci, ma forse anche poco coinvolgenti. Le ricerche e i risultati rischiano quindi spesso di esaurirsi in se stessi. Sembra infatti mancare un più esteso coinvolgimento di molti utilizzatori potenziali e delle piccole strutture già in fase di progettazione. Il coinvolgimento “dal basso” (approccio bottom-up) potrebbe aumentare la difficoltà realizzativa e il costo dei progetti, ma potrebbe forse anche garantire, fin dall’inizio delle esperienze, una maggiore ricchezza e differenziazione degli input e delle esigenze, consentendo una “biodiversità” dei contenuti progettuali tale da superare il rischio offerto da data set pur grandi, ma spesso monocentrici o oligocentrici e comunque non sempre rappresentativi della notevole eterogeneità della realtà clinica (overfitting).

Essenziale appare anche una maggiore collaborazione, fin dall’inizio delle fasi progettuali, fra esperti e non, medici, altre professioni sanitarie, ingegneri, pazienti, matematici, statistici, garanti etici (algoretica).

Tale approccio consentirebbe di avere a disposizione una rete di strutture a diversa complessità e già organizzata e pronta per un potenziale utilizzo, implementazione e certificazione dei risultati. Risulta infatti essenziale dimostrare che le nuove applicazioni di AI possono offrire nel mondo reale risultati significativamente superiori (non solo marginalmente) rispetto ai percorsi consolidati, attraverso procedure e sistemi che garantiscano la certificazione come Medical Device. In più tali prodotti certificati dovrebbero poter subire processi di implementazione, controllo e miglioramento attraverso procedure di apprendimento continuo da parte degli algoritmi, con o senza supervisione.

Il futuro dell’AI in Cardiologia non può che essere ricco di grandi potenzialità. Occorrono però un più profondo ripensamento delle metodologie di approccio e sviluppo e una maggiore capacità di ascolto e coinvolgimento anche delle realtà più piccole, considerandole sintomi e segni di ricchezza e diversificazione del tessuto cardiologico. Risulta infine essenziale una più penetrante partecipazione attiva della cardiologia nelle sedi istituzionali, dove vengono delineate le strategie e i regolamenti di tutela, trasparenza, sicurezza, garanzia, eticità, che consentiranno di governare le nuove applicazioni di IA in campo medico.

Gianluigi Nicolosi ANMCO
Gian Luigi Nicolosi