L’intelligenza artificiale generativa nel settore sanitario: esempi, vantaggi, casi d’uso
Pubblicato: 2023-08-08La grande popolarità del ChatGPT di OpenAI ha scatenato una corsa per incorporare l'intelligenza artificiale generativa nelle applicazioni utilizzate nelle industrie. La sanità è tra coloro che guidano la carica.
Secondo McKinsey & Company, l’intelligenza artificiale generativa nel settore sanitario potrebbe aiutare a sbloccare una parte dei mille miliardi di dollari non realizzati di potenziale miglioramento nel settore, automatizzando il lavoro soggetto a errori, fornendo una grande quantità di dati ai medici in pochi secondi e modernizzando le infrastrutture sanitarie.
Esempi di IA generativa in ambito sanitario
Sebbene le aziende sanitarie utilizzino la tecnologia dell’intelligenza artificiale da anni (la previsione degli eventi avversi, l’ottimizzazione della pianificazione della sala operatoria e la connessione dei dati dei pazienti per ottenere risultati migliori sono tre esempi) l’intelligenza artificiale nel settore sanitario promette una trasformazione ancora più profonda per il settore.
Ecco alcuni esempi recenti di intelligenza artificiale nel settore sanitario:
- Amazon Web Services (AWS) a luglio ha annunciato un servizio chiamato AWS HealthScribe, che utilizza il riconoscimento vocale e l'intelligenza artificiale generativa per risparmiare tempo ai medici generando documentazione clinica.
- Secondo il Wall Street Journal , Google sta testando la tecnologia chatbot medica chiamata Med-PaLM 2 presso la May Clinic e altri ospedali. Basato sulla tecnologia Large Language Model (LLM) alla base del chatbot Bard, con intelligenza artificiale generativa conversazionale di Google, Med-PaLM 2 mira a rispondere alle domande mediche in modo più accurato e sicuro.
- Microsoft , uno dei maggiori investitori in OpenAI, la società dietro ChatGPT, sta collaborando con Epic Systems per integrare la tecnologia dell'intelligenza artificiale generativa nelle sue cartelle cliniche elettroniche (EHR). La filiale di Microsoft Nuance Communications ha anche annunciato un'applicazione di documentazione clinica completamente automatizzata che combina l'intelligenza artificiale conversazionale e ambientale con GPT-4, l'ultima versione di LLM che alimenta ChatGPT.
L’83% delle aziende sanitarie più innovative al mondo utilizza soluzioni SAP.
Sfruttare i dati in uno dei settori ad alta intensità di dati
È straordinario osservare una tale spinta nel settore sanitario, un settore conservatore notoriamente uno degli ultimi ad abbracciare le nuove tecnologie. Ciò è particolarmente vero se consideriamo come le rigide normative sulla privacy come l’Health Insurance Portability Accountability Act (HIPAA) tendono a scoraggiare la condivisione dei dati.
Tuttavia, l’assistenza sanitaria è anche uno dei settori ad alta intensità di dati.
Si stima che un ospedale medio produca circa 50 petabyte di dati ogni anno, il che equivale a circa 12,5 trilioni di copie digitali della versione della Bibbia di Re Giacomo. Inoltre, secondo quanto riferito, il volume dei dati generati nel settore sanitario aumenta del 47% all'anno, un dato significativo per qualsiasi settore.
Tutti questi dati devono essere registrati da qualcuno, il che richiede molto tempo. Molti di essi potrebbero essere estremamente utili per migliorare l’efficienza delle organizzazioni sanitarie e per fornire informazioni e consigli medici tempestivi ai pazienti bisognosi.
Tuttavia, fare buon uso di questi dati è quasi impossibile perché ce ne sono troppi da gestire per gli esseri umani e la tecnologia più vecchia.
È qui che entra in gioco l'intelligenza artificiale. Facendo affidamento su algoritmi di deep learning per creare nuovi testi, audio, codici e altri contenuti, è possibile ottimizzarlo per la privacy e quindi prendere al laccio enormi volumi di informazioni mediche non strutturate per risparmiare tempo e denaro e allo stesso tempo sbloccare infinite possibilità cliniche e aziendali.
Coinvolgimento dei pazienti sanitari: immaginare un futuro migliore e più audace
Negli Stati Uniti, sia le aziende sanitarie paganti che quelle fornitrici si trovano ad affrontare una miriade di sfide critiche e urgenti. Sei preparato?
Medicina personalizzata, diagnosi più rapide e altro ancora
Le organizzazioni sanitarie vedono questo potenziale, che è uno dei motivi per cui il 64,8% di loro sta esplorando scenari di intelligenza artificiale generativa e il 34,9% sta già investendo in essi, secondo l’analista di IDC Health Insights Lynne Dunbrack.
“C’è richiesta che la tecnologia affronti le priorità chiave, come migliorare l’esperienza dei pazienti, migliorare la salute della popolazione e ridurre i costi”, afferma Dunbrack.
Più specificamente, gli analisti affermano che l’intelligenza artificiale generativa potrebbe diventare fondamentale per affrontare una serie di esigenze comuni nel settore sanitario, tra cui:
- Medicina personalizzata : l’intelligenza artificiale generativa può aggregare e analizzare enormi volumi di dati dei pazienti per fornire farmaci e raccomandazioni terapeutiche su misura per migliorare il trattamento.
- Analisi di immagini mediche : gli LLM eccellono anche nell'interpretazione di immagini mediche, come risonanza magnetica, scansioni TC e raggi X. L’automazione dell’analisi delle immagini potrebbe consentire ai medici di rilevare i problemi in modo più rapido e accurato, migliorando la diagnosi e l’assistenza generale.
- Prendere appunti clinici: una serie di strumenti come HealthScribe di AWS cercherà probabilmente di risolvere l'annoso problema dei medici che hanno troppo poco tempo per prendere appunti adeguati e dettagliati sulle visite dei pazienti e poi devono inserirli nelle cartelle cliniche elettroniche. Gli strumenti di intelligenza artificiale potrebbero alleviare questo problema utilizzando il riconoscimento vocale e il deep learning per automatizzare questi processi in modo rapido ed efficiente.
- Scoperta e sviluppo di farmaci : l’intelligenza artificiale generativa può essere utilizzata anche per accelerare la scoperta di farmaci simulando le interazioni molecolari e prevedendo possibili farmaci candidati. Viene utilizzato anche per accelerare le approvazioni normative dei farmaci. Ad esempio, Insilico Medicine afferma di non solo aver utilizzato la propria piattaforma di intelligenza artificiale per scoprire un trattamento per la fibrosi polmonare idiopatica, una malattia respiratoria frequente, ma di averla applicata a ogni fase del processo preclinico di scoperta di farmaci. Insilico afferma che farlo con metodi tradizionali comporterebbe normalmente una spesa di oltre 400 milioni di dollari, ma prevede di raggiungere questo obiettivo a circa un decimo di quel costo con l’intelligenza artificiale generativa.
- Assistenti sanitari virtuali : molti dei primi chatbot con intelligenza artificiale generativa per il settore sanitario si concentreranno sulla fornitura di risposte più rapide e migliori alle domande dei pazienti in modo più efficiente 24 ore al giorno. UNC Health, ad esempio, sta sfruttando gli strumenti di intelligenza artificiale generativa di Epic per aiutare i medici oberati di lavoro a far fronte alla calca di messaggi che arrivano loro.
- Semplificazione delle richieste di indennizzo assicurativo : l'intelligenza artificiale generativa aiuta anche a semplificare le richieste di indennizzo dell'assicurazione medica da parte dei pazienti (o le richieste di pre-autorizzazione da parte degli studi medici) automatizzando l'estrazione e l'elaborazione delle cartelle cliniche dei pazienti, alleviando così la pressione sul personale del call center. Inoltre, può contribuire ad accelerare l'esame delle richieste di indennizzo identificando al tempo stesso le richieste potenzialmente fraudolente rilevando modelli e anomalie sospetti.
L’intelligenza artificiale generativa come tecnologia è ancora agli inizi, nonostante tutto il clamore iniziale, quindi è impossibile prevedere se l’attuale attenzione all’assistenza sanitaria persisterà. Ma una cosa è chiara: con così tanti miliardi di dollari immessi in questo settore, la tendenza non si fermerà tanto presto.