Medicina 4.0

Intelligenza Artificiale per combattere e prevenire le epidemie. L’esempio dell’infezione da Coronavirus COVID-19

Intelligenza Artificiale per combattere e prevenire le epidemie. L’esempio dell’infezione da Coronavirus COVID-19

Intelligenza Artificiale per combattere e prevenire le epidemie. L’esempio dell’infezione da Coronavirus COVID-19

di Riccardo Bugliosi

Intelligenza Artificiale per combattere e prevenire le epidemie. Esempio dell'infezione da Coronavirus COVID-19Uno degli aspetti più interessanti dell’Intelligenza Artificiale (IA) è che il suo utilizzo può coinvolgere settori inaspettati e ciò può sorprendere chi ne non conosce le potenzialità.

A tal proposito in questo articolo illustreremo come l’IA è di supporto nell’affrontare l’incombente epidemia da Coronavirus (COVID-19).

Può sembrare sorprendente ma la sofisticata IA è già chiamata in causa tra gli strumenti utilizzati per combattere questa grave emergenza sanitaria.

Due sono i settori coinvolti: l’epidemiologia e la farmacologia.

Epidemiologia: Modelli predittivi dello sviluppo delle epidemie

Da tempo si studiano e si sviluppano strumenti analitici capaci di dare informazioni sullo sviluppo e sull’andamento delle epidemie ed anche di predire ragionevolmente la loro comparsa.

La stringente necessità di avere tali tipi di sistemi è stata evidenziata, solo per fare un esempio, dal caso della recente epidemia di Ebola (West African EVD) nell’Africa occidentale che si è sviluppata dal 2013 al 2016 ed è stata la più vasta diffusione di questo virus della storia.

Outbreak Analytics

La risposta è stata trovata nella Outbreak analytics (Analisi dell’insorgere delle epidemie) che coinvolge numerose discipline e complessi strumenti analitici la cui integrazione comporta lo sviluppo di un’estesa interdisciplinarietà.

L’Outbreak analitycs si pone all’incrocio della pianificazione della sanità pubblica, dell’epidemiologia condotta sul campo, dello sviluppo dell’ICT ed apre interessantissime prospettive per gli specialisti in questi campi per interagire avendo come obiettivo quello di dare risposte alle problematiche che le epidemie generano.”

Intelligenza Artificiale per combattere e prevenire le epidemie. Esempio dell'infezione da Coronavirus COVID-19La maggior parte di questi strumenti di analisi non coinvolgono l’IA ma alla loro base è sempre presente la raccolta di informazioni, sempre più numerose e descrittive, che vengono raccolte in data base per poi essere successivamente oggetto di elaborazione (i ricorrenti Big Data). Di recente utilizzando in maniera integrata differenti strumenti di IA come il Natural Language Processing (elaborazione computerizzata del linguaggio naturale), il Deep Learning ed il Data Analytics è stato possibile realizzare modelli predittivi sulla diffusione delle epidemie molto promettenti.

Emblematico è l’esempio dato dalle tecnologie sviluppate ed utilizzate da una start-up chiamata BlueDot.

A livello mondiale le prime notizie sull’epidemia da COVID-19 con focolaio nella zona di Wuhan in Cina sono state date dall’Organizzazione Mondiale della Sanità (WHO) il 9 Gennaio 2020. In realtà il Centro per il controllo e la prevenzione delle malattie degli US aveva lanciato l’allarme in precedenza. Nonostante ciò il primo vero allarme è stato lanciato il 31 Dicembre 2019 da un epidemiologo che è anche fondatore e CEO della Bluedot.

Obiettivo di questa azienda è segnalare allarmi epidemiologici utilizzando sofisticate tecniche di IA integrate ad elementi dell’Outbreak Analysis. Vengono utilizzati sistemi che scandagliano in tempo reale una vasta serie di fonti di informazione. Sono monitorati sia notiziari internazionali di qualunque natura in 65 lingue (assai meno i social network che sono ritenuti poco attendibili), sia informazioni provenienti da reti informative relative a patologie di piante ed animali, sia comunicati ufficiali diffusi da autorità ed enti ritenuti attendibili. Vengono anche elaborate informazioni relative ai fluissi dei voli commerciali. Una volta terminata l’elaborazione automatica di questa enorme mole di dati, entrano in azione degli analisti umani che supervisionano il tutto ed elaborano conclusioni che poi producono dei report che la società vende a governi, aziende, strutture sanitarie.

Kamran Khan, l’ideatore di BlueDot descrive con questo esempio il tipo di risultato frutto delle loro elaborazioni: “Quello che abbiamo fatto è utilizzare l’elaborazione del linguaggio naturale associata al Machine Learning per addestrare il nostro motore software per distinguere se in Mongolia sia in corso un’epidemia di antrace oppure in realtà si sia un evento per la riunione di una band heavy metal chiamata Anthrax (antrace).In questo video lui stesso spiega l’utilizzo dei Big Data per la previsione delle epidemie.

Farmacologia: simulazione di efficacia terapeutica

Intelligenza Artificiale per combattere e prevenire le epidemie. Esempio dell'infezione da Coronavirus COVID-19Un’altra via attraverso la quale l’IA ci aiuta a combattere le epidemia è lo studio di farmaci capaci di essere efficaci nel contrastare gli agenti patogeni mediante simulazioni al computer e non trial clinici. L’industria farmaceutica va incontro a sempre maggiori difficoltà nella ricerca e sviluppo di nuovi farmaci di comprovata efficacia.

10 anni fa per ogni dollaro investito in ricerca e sviluppo l’industria poteva contare su un ritorno del 10%. Oggi questa percentuale si è abbassata al 2%. Ciò è avvenuto in quanto da una parte sono state già trovate molecole capaci di combattere efficacemente le più diffuse e comuni patologie, d’altra parte per le patologie più complesse oppure rare lo sforzo e la ricerca debbono affrontare difficoltà ardue. Tutto ciò porta a vantaggi economici minori a fronte dell’investimento fatto.

Come risultato di tutto ciò il costo della ricerca di nuovi farmaci è aumentato sensibilmente. Non stupisce che l’industria farmaceutica si sia dimostrata entusiasta alla prospettiva di utilizzare sistemi di IA per studiare nuovi farmaci.

L’IA permette di verificare i modelli di interazione tra le molecole sulla base di “conoscenza” acquisita con tecnologie Machine Learning e di Deep Learning su moli di dati provenienti dagli studi condotti nel campo biomolecolare e farmacologico.

Nel caso del COVID-19 due studi hanno segnalato due molecole potenzialmente efficaci.
Il primo è stato realizzato dalla Insilico Medicine, una start up che ha analizzato le caratteristiche farmacologiche e biochimiche delle sostanze ed ha selezionato quelle maggiormente efficaci contro il virus.

In questo articolo si descrive l’uso del Deep Learning per tale scopo.

In particolare gli autori hanno utilizzato un sistema esistente di IA capace di simulare e valutare l’interazione farmaco/bersaglio al fine di identificare tra le molecole esistenti quella più efficace nel caso dell’infezione da COVID-19. Tra gli antivirali commerciali sono stati selezionati quelli che potevano distruggere componenti virali come la proteinasi, l’RNA polimerasi RNAdipendente e l’elicasi. Nello specifico è stata trovata una possibile efficacia con l’Atazanavir un farmaco antiretrovirale utilizzato per la prevenzione nell’HIV/AIDS. Nel momento in cui scrivo risulta che i pazienti ricoverati presso l’ospedale Spallanzani di Roma siano stati trattati con Lopinavir/Ritonavir e Remdesivir. Il Ritonavir è un inibitore della proteasi come l’Atazanavir ed è utilizzato nel trattamento dell’HIV-1 degli adulti. Riferimento al Ritonavir si fa anche in un articolo del New England Journal of Medicine sul primo caso negli USA.

L’altro studio è stato pubblicato tramite lettera su The Lancet da parte di BenevolentAI un’azienda che utilizza in vario modo tecnologie di IA in medicina. In questo studio si propone il Baricitinib come potenziale trattamento per la 2019-nCOV ( ulteriore denominazione della COVID-19). Nello studio in oggetto il modello sperimentale, utilizzando il Machine Learning applicato ai Big Data medici in possesso all’azienda, ha mostrato che detto farmaco riduce la possibilità di questo specifico virus di infettare le cellule del polmone. Il Baricitinib è attualmente utilizzato nel trattamento dell’artrite reumatoide. Per una valutazione esaustiva dell’utilizzo degli strumenti di IA in questo campo si può approfondire in questo articolo.

É ragionevole pensare che questo settore della ricerca avrà una costante espansione, dimostrata tra l’altro dal grande numero di start up che vengono fondate. L’impatto reale sarà presumibilmente progressivo anche se qualche scienziato prevede tempi e modalità assai rapidi.

A presto e buon eHealth!

Parole chiave: Outbreak Analytics, COVID-19, Coronavirus, Natural Language processing (NPL), Machine Learning, Deep Learning, Big Data, Hypnerotomachia Poliphili.

Leggi tutti gli articoli di Medicina 4.0

Google DeepMind: Intelligenza Artificiale nello screening radiologico del tumore del seno

3DBioprinting: l’utilizzo delle stampanti 3D nella Medicina Rigenerativa

L’Internet delle cose “Internet of Things” e la medicina prossima ventura

La robotica in chirurgia e medicina

Intelligenza Artificiale in medicina, l’esempio di DeepMind in oculistica

Wearable devices, big data e frequenza cardiaca

Dall’informatica medica all’eHealth

 

Per contattare l’autore potete scrivere una mail a comunicazione@cassagaleno.it

dottor Riccardo BugliosiRiccardo Bugliosi è medico, specialista in medicina interna.

Esperto di Intelligenza Artificiale. Lavora nell’ICT in settori anche diversi dalla medicina. Ha pregressi studi in Fisica ed Ingegneria Elettronica. Le sue pubblicazioni scientifiche e di divulgazione sono facilmente reperibili sul web.

Posted in Medicina 4.0, News

Questo sito utilizza cookie tecnici, analitici e di profilazione anche di terze parti, per migliorare e personalizzare la navigazione, i contenuti ed i messaggi pubblicitari dell'utente e fornire le funzioni dei social media. Se vuoi leggere l'informativa completa sui cookie o disabilitarli clicca QUI leggi la nostra informativa sull'uso dei cookies. Cliccando sul pulsante ACCETTO I COOKIE o proseguendo la navigazione presti il consenso all'utilizzo dei cookie