La medicina degli algoritmi

Al San Raffaele di Milano il progetto S-Race usa intelligenza artificiale e dati clinici per costruire modelli capaci di predire il decorso e la risposta alla terapia di una patologia.

Per anni l’intelligenza artificiale applicata alla medicina è rimasta sospesa tra ricerca accademica e promesse futuristiche. Migliaia di studi scientifici, centinaia di algoritmi sperimentali, ma pochissime applicazioni realmente entrate nella pratica clinica quotidiana. Oggi la vera sfida non è più sviluppare nuovi modelli ma costruire sistemi capaci di funzionare dentro gli ospedali: integrati nei flussi clinici, conformi alle normative e sufficientemente affidabili da supportare decisioni che riguardano la vita dei pazienti.

Dalla ricerca alla clinica

Al San Raffaele di Milano, il progetto S-Race nasce esattamente con questo obiettivo: portare la medicina predittiva fuori dai laboratori e dentro i percorsi di cura. All’origine del progetto ci sono Antonio Esposito, ordinario di Radiologia e vicedirettore scientifico dell’IRCCS Ospedale San Raffaele, e Carlo Tacchetti, ordinario di Anatomia Umana all’Università Vita-Salute San Raffaele. I due professori coordinano il programma strategico di AI dell’ateneo e dell’ospedale, nato in piena emergenza Covid e sviluppato insieme a Microsoft. “Esistono oltre 230mila pubblicazioni sull’AI applicata alla medicina, ma pochissimi strumenti sono arrivati davvero al letto del paziente”, spiega Tacchetti. “Noi ci siamo chiesti perché”.

“Oggi iniziamo finalmente ad avere strumenti realmente entrati nella pratica clinica, soprattutto nell’ambito della radiologia”. Non è un caso che il primo terreno di applicazione sia stato proprio quello della diagnostica per immagini. Qui l’AI ha già iniziato a intervenire in diverse fasi del processo: dall’acquisizione delle immagini alla loro analisi, fino all’estrazione automatica di parametri quantitativi. “Dove l’AI sta diventando quasi irrinunciabile è soprattutto nella fase di acquisizione e analisi delle immagini”, spiega Esposito. “Oggi esistono modelli in grado di migliorare enormemente la qualità diagnostica riducendo tempi e dosi di radiazioni”. Nella Tac, ad esempio, gli algoritmi permettono di ottenere immagini diagnostiche utilizzando meno raggi. Nella risonanza magnetica riducono significativamente i tempi di acquisizione. Ma l’aspetto forse più importante riguarda il cosiddetto post-processing: segmentazione delle immagini, estrazione di parametri quantitativi, analisi automatizzate che fino a pochi anni fa richiedevano un enorme lavoro manuale. Secondo Esposito, però, la parte più mediatica dell’AI in medicina, quella dei sistemi che “sostituiscono il medico”, resta anche la meno interessante. “I migliori sistemi oggi raggiungono performance molto elevate, ma generalmente ancora inferiori a quelle di un super esperto”, osserva. “Possono aiutare a ridurre il carico di lavoro e ad aumentare il livello medio delle performance, ma in medicina non basta la standardizzazione: serve l’eccellenza”.

La cura che guarda al futuro

È proprio da questa esigenza che nasce S-Race, la piattaforma sviluppata insieme a Microsoft all’interno del San Raffaele. L’obiettivo è creare modelli predittivi realmente utilizzabili nella pratica clinica, superando uno dei grandi limiti dell’AI medica degli ultimi anni: l’incapacità di trasferire i risultati della ricerca nella realtà ospedaliera. “Molti dei modelli pubblicati non rispettano norme fondamentali in termini di qualità dei dati, riproducibilità, affidabilità, spiegabilità o sicurezza”, sottolinea Tacchetti. “Un medico non può affidarsi a un sistema che produce una risposta senza sapere come è arrivato a quella conclusione”.

Per questo il gruppo del San Raffaele ha scelto di lavorare su modelli cosiddetti “white box”, cioè sistemi spiegabili e trasparenti. “La responsabilità della decisione resta del medico”, continua Tacchetti. “Se sbaglia l’algoritmo, la responsabilità non è dell’algoritmo. Il medico deve capire qual è il razionale della risposta e deve poterlo spiegare al paziente”. La piattaforma integra dati provenienti da cartelle cliniche, imaging, esami di laboratorio, anatomia patologica e referti testuali. Attraverso sistemi di text analytics, S-Race riesce anche a leggere e classificare automaticamente le informazioni contenute nei referti clinici. Uno degli aspetti più avanzati è l’architettura federata, che consente di collaborare con altri ospedali senza trasferire fisicamente i dati. “I dati restano nei centri di origine e noi trasferiamo soltanto gli strumenti necessari all’analisi”, spiega Tacchetti.

“Questo ci permette di lavorare in sicurezza su studi multicentrici e validare i modelli in realtà ospedaliere molto diverse tra loro”. Con il supporto del progetto D34Health finanziato dal Piano Nazionale Complementare al Pnrr, il San Raffaele sta lavorando anche alla creazione di un’infrastruttura condivisa per l’AI clinica. “Abbiamo un accordo con Cineca per costruire un registro dei modelli sviluppati”, spiega Tacchetti. L’obiettivo è permettere la diffusione delle soluzioni validate anche in altri ospedali, evitando che la medicina predittiva resti confinata in singoli centri di eccellenza.

Dentro S-RACE

La piattaforma è già operativa e ha mappato i dati di circa 65mila pazienti. Sono attivi oltre venti studi in oncologia, cardiovascolare e altre aree cliniche. Tra i risultati più avanzati ci sono i modelli sviluppati sul tumore del rene e sulla patologia coronarica. Nel primo caso, il sistema riesce a predire il rischio di evoluzione sfavorevole e mortalità prima ancora dell’intervento chirurgico, senza utilizzare i dati dell’analisi istologica successiva all’operazione. “Avere questo dato prima dell’intervento ci permette di disegnare in modo molto più preciso il percorso terapeutico”, spiega Esposito.

“Ci sono casi in cui il miglior vantaggio per il paziente può non essere l’intervento chirurgico, ma un’altra strategia terapeutica”. Nel cardiovascolare, invece, l’obiettivo è superare i limiti dell’attuale classificazione dei pazienti basata esclusivamente sul grado di ostruzione coronarica. “Oggi sappiamo che esistono pazienti senza coronaropatia ostruttiva che hanno comunque un rischio di infarto molto elevato”, osserva Esposito. “Il nostro sistema estrae automaticamente dati dalle immagini della parete coronarica e del grasso che circonda le coronarie per identificare caratteristiche biologiche legate al rischio cardiovascolare”.

Attraverso l’estrazione di feature radiomiche, il modello riesce a identificare segnali legati a infiammazione, contenuto lipidico e rischio cardiovascolare, con l’obiettivo di costruire terapie sempre più personalizzate. Per i due professori, il vero punto di svolta della medicina predittiva sarà proprio questo: passare da una medicina costruita sulla media statistica a una medicina modellata sul singolo paziente. “La medicina tradizionale si è sempre basata su protocolli definiti su grandi popolazioni”, conclude Tacchetti.

“Ma due pazienti con la stessa malattia non sono mai davvero uguali. L’AI ci permette di integrare centinaia di variabili e costruire una visione molto più precisa della persona che abbiamo davanti”. Resta però aperta la questione regolatoria. Oggi gli algoritmi medici vengono ancora valutati attraverso normative pensate per i dispositivi medici tradizionali.

“Un algoritmo non è un macchinario”, osserva Tacchetti. “Servirebbe probabilmente un approccio regolatorio specifico”. Nel frattempo, il San Raffaele prova a costruire un modello europeo di AI clinica fondato su trasparenza, validazione e integrazione ospedaliera. “Per noi questo è un punto fondamentale: il medico non deve mai affidarsi in modo acritico all’algoritmo”, conclude Tacchetti. “L’AI deve restare uno strumento di supporto alla decisione clinica, non un sostituto del giudizio medico”.