L’intelligenza artificiale (IA) ha il potenziale di rivoluzionare l’assistenza sanitaria migliorando diagnosi, trattamenti e sicurezza dei pazienti. Tuttavia, esiste un divario significativo tra l’abbondanza di ricerche sull’IA e la scarsità di evidenze sul suo impatto nel mondo reale in termini di benefici per i pazienti.
Un recente studio (1) pubblicato su NEJM AI evidenzia proprio la necessità urgente di una rete di organizzazioni sanitarie e centri scientifici che possano condurre valutazioni accurate sull’efficacia clinica delle nuove tecnologie di IA in contesti reali, al di là della loro validazione teorica.
Gli autori dell’articolo sottolineano l’importanza di calare la validazione dei modelli di IA nei contesti locali e di condurre valutazioni in situazioni reali. Questo approccio è fondamentale per dimostrare miglioramenti effettivi negli esiti dei pazienti, superando le semplici simulazioni al computer. Le organizzazioni sanitarie dovranno svolgere un ruolo cruciale in questa validazione, con particolare attenzione a rappresentare sistemi sanitari pubblici che servono popolazioni diverse, per mitigare le disuguaglianze sanitarie. Questo richiede una profonda comprensione del contesto sanitario locale, una rigorosa ed etica validazione, l’integrazione nei flussi di lavoro e il monitoraggio continuo post-implementazione.
Nell’articolo vengono citati esempi come quello dell’UC San Diego Health, dove un algoritmo di IA per la rilevazione della sepsi ha aumentato del 17% la probabilità di sopravvivenza dei pazienti al pronto soccorso. Tuttavia, l’implementazione dello stesso algoritmo in un altro sistema sanitario potrebbe non avere lo stesso esito senza un adattamento locale e un monitoraggio continuo.
I sistemi sanitari possiedono ampi repository di dati locali dei pazienti, che sono risorse preziose per l’addestramento e la validazione dei modelli di IA. Questi sistemi possono contribuire allo sviluppo etico dell’IA, partecipando attivamente al processo di validazione, identificando potenziali bias e garantendo che gli esiti associati all’uso dei modelli di IA siano equi, appropriati, validi, efficaci e sicuri.
Fonti:
- Longhurst MS, Singh K, Chopra A, et al. A Call for Artificial Intelligence Implementation Science Centers to Evaluate Clinical Effectiveness. NEJM AI 2024;1(8). DOI: 10.1056/AIp2400223