Responsabile: 
Daniele Zamperini 
O.M. Roma 19738 -
O. d. G. Lazio e Molise 073422  
daniele.zamperini@gmail.com
 
 
I Principi di questo sito 
Ordine_medici_padova.gif (3418 byte)
Patrocinato da O.M. della Provincia di Padova
Scienza e Professione
Portale Telematico di informazione scientifica e professionale



Mezzo secolo di professione Medica.

Medicina, Biologia, Psicologia, Normativa e Scienze Varie: tutto cio' che fa cultura - Sito Gratuito - Gestore Daniele Zamperini - P.IVA: 01743690586

Modules
· Home
· Archivio Generale
· Ultimi Articoli per Argomento
· Utilità scaricabili
· FAQ - Cosa faccio se...?
· Cerca in Archivio
· Archivio Cronologico
· Web Links
· Amministrazione


 
Studi clinici basati sulla intelligenza artificiale
Pubblicato da dzamperini in data 20/01/2022 00:00
Medicina Clinica



Come interpretarli? 
Breve guida per i non esperti


 Cosa è il Machine Learning

Il “Machine Learning” o apprendimento automatico è una branca importantissima ed in continuo sviluppo della Intelligenza Artificiale:in buona sostanza si tratta di hardware e software che partendo dai dati inseriti dai ricercatori rilevano correlazioni od incompatibilità e propongono ipotesi di approfondimento o addirittura soluzioni ai quesiti posti.
Negli ultimi anni si sono affermati i dispositivi di “Deep Learning” nei quali potenti computer, basati su reti neurali organizzate su molteplici strati interattivi, lavorano senza supervisione e propongono risultati ricavati da milioni o miliardi di computazioni, impossibili da controllare per noi umani: i risultati di questa processazione dei dati dovrebbero quindi essere valutati con grande attenzione anche mediante proiezioni e previsioni a lungo termine
  Machine Learning e Deep Learning producono risultati (output) che sono strettamente correlati ai dati introdotti (input), alle loro caratteristiche strutturali e alle modalità di addestramento utilizzato per le macchine. La velocità di elaborazione, l’enorme quantità dei dati prodotti, e talora la sorprendente originalità dei risultati possono indurre facilmente a una sopravvalutazione di questi dispositivi, erroneamente ritenuti infallibili. Inoltre, la naturale tendenza della mente umana a ottenere il miglior risultato possibile con il minimo sforzo, ci porta ad accettare acriticamente, come “sapienza oracolare” le conclusioni delle intelligenze artificiali.
L’autorevole rivista americana JAMA e il prestigioso BMJ inglese ci hanno proposto preziose indicazioni metodologiche che ci aiutano a valutare gli studi in medicina effettuati con le metodiche della intelligenza artificiale: qualunque siano le conclusioni tratte dai dispositivi di Intelligenza Artificiale noi dovremmo sottoporle ad una analisi critica basata su questi criteri:
  Validità dello studio
Cosa valutare?

1) Sono chiaramente descritte le metodologie le procedure utilizzate nello studio? Sono corrette?
2) Le procedure e i dati sono stati controllati anche da esperti umani o solo dai dispositivi di intelligenza artificiale?
3) Ci sono riferimenti e confronti con studi già effettuati sul tema e considerati affidabili?
4) L’algoritmo di addestramento delle macchine è controllabile ed è coerente con gli obiettivi di salute che si propone lo studio?

  Risultati dello Studio 
 1) Lo studio modifica e arricchisce in qualche modo le nostre conoscenze su quell’argomento? 
 2) Lo studio è riproducibile nelle medesime condizioni ed è trasferibile in realtà diverse e su popolazioni di pazienti diversi da quelli studiati? 
 3) Nel caso in cui apporti nuove conoscenze, lo studio include criteri di verifica e di falsificabilità ovvero vi sono eventi che verificandosi possono smentirlo? 
 4) Nel caso in cui i risultati dello studio siano verificabili, affidabili e riproducibili, va ulteriormente valutata la sua applicabilità nella specifica realtà in cui operiamo e nei confronti della popolazione di pazienti che seguiamo…   

 Riflessioni Finali 
 Il criterio di falsificabilità, proposto da Karl Popper quale criterio di validazione scientifica di tutte le nuove acquisizioni, è un importante strumento di controllo anche nei confronti dei risultati forniti dai dispositivi di deep learning: se, ad esempio, il sistema di intelligenza artificiale stima che un nuovo farmaco attivo sul coronavirus possa eradicarlo in una percentuale compresa tra il 60% e l’80% dei casi, sarà certamente possibile in un arco di tempo ragionevole confermare o smentire la ipotesi di partenza. 
 Se invece lo stesso sistema di intelligenza artificiale stima la efficacia di un farmaco sulla base di endpoint surrogati (ad esempio, riduzione della glicemia e/o della colesterolemia quali sostituti di una diminuzione delle complicanze cardiovascolari), dovremmo accettare con molta prudenza queste conclusioni, in quanto non basate su prove inconfutabili. 

 A chi avesse dubbi in merito ricordiamo le tristi esperienze dei glitazioni per la cura del diabete e della cerivastatina come ipocolesterolizzante. E’ quindi di grandissima importanza, di fronte al moltiplicarsi delle ricerche basate sulla intelligenza artificiale, applicare un metodo di lettura e di valutazione ispirato ai medesimi criteri di critica rigorosa che la nostra imperfetta mente da secoli ha utilizzato per migliaia di studi e sperimentazioni, che hanno finora garantito alla umanità un mondo imperfetto ma comunque migliore.   

 Riccardo De Gobbi e Giampaolo Collecchia     

 Bibliografia 

 1) Angus DC. Randomized clinical trials of artificial intelligence. JAMA 2020; 323(11): 1043-5. 
 2) Matheny ME, Whicher D, Thadaney Israni S. Artificial intelligence in health care: a report from the National Academy of Medicine. JAMA 2020; 323(6): 509-10. 
 3) Liu Y, Chen PC, Krause J, Peng L. How to read articles that use machine learning: users’ guides to the medical literature. JAMA 2019; 322(18): 1806-16. 
 4) Nagendran M, Chen Y, Lovejoy CA, et al. Artificial intelligence versus clinicians: systematic review of design, reporting standards, and claims of deep learning studies. BMJ 2020; 368: m689. 
 5) Popper K. Logica della scoperta scientifica. Torino: Einaudi, 2010; 66-83. 
 6) Vollmer S, Mateen BA, Bohner G, et al. Machine learning and artificial intelligence research for patient benefit: 20 critical questions on transparency, replicability, ethics, and effectiveness. BMJ 2020; 368: l6927.    

 Per approfondire: 
 Collecchia G. De Gobbi R.: Intelligenza Artificiale e Medicina Digitale. Una guida critica. Il Pensiero Scientifico Ed. Roma 2020 http://pensiero.it/catalogo/libri/pubblico/intelligenza-artificiale-e-medicina-digitale    
 
Links Correlati
· Inoltre Medicina Clinica
· News by dzamperini


Articolo più letto relativo a Medicina Clinica:
Quando ripetere una colonscopia, se negativa?



Valuta Articolo
Punteggio Medio: 0
Voti: 0

Per favore, prenditi qualche secondo e vota questo articolo:

Eccellente
Molto buono
Buono
Nella media
Pessimo



Opzioni

 Pagina Stampabile Pagina Stampabile



Argomenti Associati

Pensieri e opinioni professionali

Sito gestito e diretto da Daniele Zamperini, Roma, Medico e Giornalista-Pubblicista - Ultima modifica strutturale della pagina: 30/09/2012 - I singoli articoli riportano la data della loro pubblicazione
All logos and trademarks in this site are property of their respective owner. The comments are property of their posters, all the rest © 2005 by me.
You can syndicate our news using the file backend.php or ultramode.txt
PHP-Nuke Copyright © 2005 by Francisco Burzi. This is free software, and you may redistribute it under the GPL. PHP-Nuke comes with absolutely no warranty, for details, see the license.
Generazione pagina: 0.33 Secondi