Cosa succederà quando i computer cominceranno a prevedere chi sono le persone a rischio di sviluppare una malattia terminale, commettere suicidio o contrarre il diabete? E cosa dovrebbe fare il paziente o il suo medico ricevendo una simile previsione? Ma soprattutto, siamo già a questo punto? Sì, la sempre maggiore accuratezza degli algoritmi ci fa pensare che presto potremmo trovarci ad affrontare dilemmi di questo tipo.
Machine learning e modellazione predittiva
Alcuni ricercatori della Florida State University, ad esempio, partendo dai dati delle cartelle cliniche elettroniche hanno individuato un gruppo di pazienti che aveva tentato il suicidio. Hanno quindi usato la più avanzata tecnica di analisi dei dati – il machine learning – per identificare una combinazione di fattori che potessero far prevedere il più accuratamente possibile il tentativo di suicidio.
Questo tipo di modellazione predittiva non è una novità, ma la capacità dei computer di riconoscere interazioni complesse tra variabili associate agli esiti desiderati è enormemente cresciuta negli ultimi anni. I computer possono ora non solo analizzare enormi volumi di dati ma anche leggere e comprendere testo non strutturato (ad esempio le note dettate dal medico) e unire molteplici fonti d’informazioni per ottenere previsioni accurate. Utilizzando il machine learning, questi sistemi sono stati sviluppati in modo da migliorare costantemente, man mano che accumulano esperienza in base agli esiti che stanno misurando. Di conseguenza, producono informazioni con una tempestività impensabile per un essere umano.
Algoritmi e previsione di stati patologici
I ricercatori della Florida State University hanno scoperto che gli algoritmi avrebbero potuto prevedere i tentativi di suicidio con un’accuratezza dell’80/90% con due anni di anticipo. Altre istituzioni stanno sviluppando approcci simili per un ventaglio di altre condizioni, quali la depressione, l’insufficienza cardiaca, l’infarto, la demenza, il morbo di Parkinson e l’insufficienza renale cronica.
Il settore della sanità produce un’enorme quantità di dati che alimentano e informano questi modelli, la cui accuratezza di conseguenza migliora di continuo. Ci stiamo rapidamente avvicinando al momento in cui i computer saranno così certi delle proprie previsioni da doverci chiedere se già abbiamo la malattia, o piuttosto quella che potremmo definire una “proto‑malattia”? L’idea alla base della previsione accurata di uno stato patologico è che ciò renderebbe potenzialmente possibili interventi in grado di ridurre o eliminare la probabilità che la malattia effettivamente si concretizzi.
Previsione e prevenzione non vanno di pari passo
Sfortunatamente però, la nostra capacità di prevedere aumenta molto più rapidamente della capacità di prevenire. Immaginiamo che il nostro medico ci dica che un programma informatico ha previsto che nei prossimi due anni svilupperemo diabete mellito. Ci fornirà una gran quantità di consigli per uno stile di vita più sano (che probabilmente seguiremo perché è stato il computer a fare la previsione), ma avrà ben poco altro da offrirci. In realtà, studi che hanno cercato di valutare le possibilità di prevenire il diabete con i farmaci esistenti non hanno dato risultati. In pratica, lasceremmo lo studio medico affranti e con in più la consapevolezza di avere una proto-malattia.
A complicare ulteriormente le cose, potrebbe non essere il nostro medico a comunicarci la notizia. Il processo di data mining potrebbe essere condotto anche da soggetti che hanno accesso alle informazioni che ci riguardano, ad esempio la nostra assicurazione sanitaria. Idealmente, l’assicurazione dovrebbe usare le informazioni in suo possesso per aiutarci a restare in salute ma, come osservato poco fa, non sono ancora stati sviluppati interventi efficaci in questo senso.
Le informazioni potrebbero anche essere usate in modo ancora più nefasto: la compagnia assicurativa, ad esempio, potrebbe usare le informazioni sui rischi della popolazione assicurata a suo vantaggio, e a svantaggio dell’assicurato. La conoscenza è potere, specialmente nel mondo delle assicurazioni.
I rischi e le questioni etiche, morali e legali
Qualunque compagnia assicurativa che potesse prevedere accuratamente quale dei suoi assicurati svilupperà una malattia (e quindi costerà di più) avrà un innegabile vantaggio quando si tratterà di discutere i termini di pagamento. Emergono quindi questioni etiche, morali e legali. Il vostro assicuratore – o, ancor più il vostro medico – è tenuto a informarvi quando un algoritmo prevede che svilupperete una malattia? Se non lo fa, dovrà essere considerato negligente?
La sfida sul breve periodo sta nel confermare l’accuratezza delle previsioni e trovare modi per inserirle nel workflow di professionisti già super indaffarati. Le previsioni saranno idealmente accompagnate da informazioni basate sulle evidenze per aiutare il medico a decidere quale azione intraprendere. Le istituzioni sanitarie già impegnate sul fronte della population health (secondo la quale l’assistenza è organizzata per gruppi di pazienti, ad esempio quelli diabetici) dovranno individuare in che modo utilizzare queste informazioni.
Verso una nuova era della prevenzione
Infine, questa rivoluzione porterà probabilmente a una nuova era della prevenzione, basata sulle proto-malattie. Progressi nel machine learning e nella previsione degli stati patologici si registrano ogni giorno. Non passerà molto tempo prima che queste previsioni diventino un fattore chiave nel determinare il miglior modo di trattare il paziente. Ciò che ancora non sappiamo è se la capacità d’interventi efficaci progredirà alla stessa velocità delle previsioni.
–
Questo articolo fa parte di un progetto editoriale supportato da Wolters Kluver con Agendadigitale.eu sulla Sanità digitale.
