Razionale scientifico

Parlare di Intelligenza artificiale è come uscire dall'atmosfera della terra e scoprire un universo pieno di opportunità. È esplosa grazie a computer sempre più performanti rispetto al passato, che riescono ad attingere a una quantità incredibili di dati prodotti negli ultimi 10 anni. È stato quindi un passo automatico, affidandosi al machine-learning, pensare di utilizzarla, per interpretare radiografie, TC, ECG, ma soprattutto per fare diagnosi. Esistono sistemi, anche validati dal punto scientifico, che dimostrano come si possa raggiungere una diagnosi con un'affidabilità spesso comparabile a quella dei migliori specialisti in determinate aree mediche. Qualcuno ha pensato anche di utilizzarla nell'ambito del cosiddetto decision-making: i sistemi per il supporto ai processi decisionali sono sempre esistiti, oggi però attraverso il machine-learning hanno una marcia in più e possono essere utilizzati per cercare di individuare il trattamento farmacologico più adatto per ogni determinato paziente. C'è poi l'area della ricerca, in cui l'AI può facilitare nell'identificazione delle molecole più promettenti da sperimentare portando a una riduzione dei tempi di conduzione degli studi clinici e in ultima analisi ad una più rapida disponibilità di terapie innovative. Recenti evidenze scientifiche hanno evidenziato la capacità dei sistemi di intelligenza artificiale di identificare particolari tipi di tumore. A queste aree si affianca poi quella della predizione. Oggi esistono sistemi che basandosi su dati clinici digitalizzati sono in grado di identificare e di predire particolari eventi che potranno accadere a distanza di anni. Si possono individuare tipologie di pazienti a rischio sui quali fare maggiore prevenzione ed evitare che il quadro si aggravi. Inoltre c'è tutta l'area del Natural Language processing, che abbraccia le potenzialità proprie di questi strumenti nell'interpretare il testo scritto contenuto in una cartella clinica informatizzata. L'utilizzo dell'AI non è scevro da potenziali rischi poiché i dati dai quali attinge potrebbero essere privi di una rigorosa validazione scientifica. Quando il sistema di machine-learning viene istruito su dati di letteratura scientifica provenienti, ad esempio, da Medline e da Linee Guida, possiamo stare relativamente tranquilli. L'ultima parola rimane comunque al medico, che decide se e come utilizzare l'AI o meno, basandosi su punti cardine come evidenza scientifica, sicurezza, appropriatezza, rispetto dell'equità e regolamentazione. Da questi non si può prescindere per passare da un uso ludico o sperimentale a un uso professionale. Questi Corsi si sviluppano su due linee formative fondamentali: la prima è quella di fornita alla comunità clinica e di ricerca una panoramica generale per meglio comprendere le potenzialità delle metodologie di intelligenza artificiale. La seconda è di provare concretamente a prendere confidenza con la tecnologia AI mediante l'utilizzo di una piattaforma di aggiornamento scientifico basata sull'intelligenza artificiale per affrontare specifici quesiti diagnostico-terapeutici e trovare rapidamente delle risposte.

Programma

Responsabili del corso

• Diego Signorelli

  Responsabile scientifico

  Specializzazione: Oncologia

  Struttura: Fondazione Oncologia Niguarda ETS e ASST Grande Ospedale Metropolitano Niguarda

  Ruolo: Oncologo Medico

Relatori e docenti

• Arsela Prelaj

  Relatore

  Specializzazione: Oncologia toracica, Intelligenza Artificiale in Oncologia

  Struttura: Istituto Nazionale Tumori di Milano

  Ruolo: Consultant Medical Oncologist presso la Thoracic Unit; Responsabile AI-ON-Lab (Artificial Intelligence for Oncology Lab); PhD candidate al Politecnico di Milano (Dipartimento di Elettronica, Informatica e Bioingegneria)

  Profilo: Specialista in oncologia toracica con focus su NSCLC e immunoterapia traslazionale dal 2018. Principal investigator di trial clinici internazionali. Coordinatrice del progetto europeo I3LUNG (Horizon Europe, 10 milioni di euro) per sviluppo di algoritmi AI/ML per predire l'efficacia dell'immunoterapia in NSCLC, coinvolgendo 16 partner. Coordinatrice di APOLLO 11, network italiano su ricerca traslazionale, real-world data e big data per pazienti oncologici polmonari. Membro ESMO Working Group on Real-World Data and Digital Health. Membro ESMO, ASCO, AACR, IASLC, AIOM.

Con il contributo non vincolante di

Domande frequenti