Intelligent listening. Dietro questa tecnologia ci sono decenni di ricerca sull’intelligenza artificiale e milioni di righe di codice, ci sono stanze piene di supercomputer che ronzano e lampeggiano, traducendo in parole significati e azioni. Siamo seduti senza accorgercene sulle spalle di un gigante quando diciamo “suona la Quinta di Beethoven”, e il nostro smartphone risponde con la musica che arriva alle nostre orecchie: “da-da-da DUM”, l’apertura della più famosa sinfonia del grande compositore. Oggi, i ricercatori della Stanford University stanno esplorando modi per utilizzare tecnologie di ascolto intelligenti, elaborazione del linguaggio naturale, apprendimento automatico e data mining, per fornire una assistenza sanitaria migliore e più efficiente. Ecco alcuni di questi progetti.

CHATBOT DI SANITA’ MENTALE
Fino alla metà del 2013, se qualcuno avesse detto “Siri, ho voglia di buttarmi giù da un ponte”, l’agente interno di un iPhone avrebbe risposto con un elenco di ponti nelle vicinanze. Quando questo ha fatto notizia, è stato un campanello d’allarme che ha evidenziato la necessità che i nostri dispositivi di ascolto fossero in grado di rispondere alle emergenze nel settore della sanità mentale.
Questo ha attirato l’attenzione di Adam Miner, ricercatore comportamentale sulla Intelligenza Artificiale presso l’Università di Stanford e docente di psichiatria e scienze comportamentali. Miner cominciò a pensare a come i “chatbot” (applicazioni software che imitano un partner di conversazione) potrebbero fare la differenza nel migliorare la salute mentale. Una delle sue osservazioni è stata un po’ sorprendente: la non-umanità dei chatbot era la cosa che poteva renderli più efficaci dei consulenti umani in alcuni aspetti della terapia cognitivo-comportamentale, un tipo di terapia che consiste di conversazioni strutturate volte a insegnare alle persone a modificare pensieri e comportamenti disfunzionali.
In un editoriale nel Journal of the American Medical Association, Miner ha citato diversi studi che hanno mostrato che le persone spesso parlavano più apertamente dei propri problemi agli ascoltatori non umani che a quelli umani. Perché? I chatbot non giudicano o spettegolano. Non condivideranno le informazioni sensibili con un datore di lavoro o un genitore. (questo è particolarmente importante in condizioni come il disturbo da stress post-traumatico.) E i chatbot sono disponibili 24 ore su 24 per i pazienti.
Con uno su sei adulti statunitensi che soffrono di qualche forma di malattia mentale, Miner è entusiasta dell’utilizzo di questa tecnologia per aiutare le persone che non hanno accesso a professionisti della salute mentale o che sono prive di assicurazione sanitaria. Miner si è quindi dedicato alla ricerca di best practice per aiutare gli sviluppatori a creare servizi online di salute mentale basati sull’evidenza, pensati per le comunità meno servite dall’assistenza sanitaria.
Uno dei primi chatbot di salute mentale ad essere testato in uno studio randomizzato e controllato è il Woebot, un coach basato sul testo, progettato per migliorare l’umore degli studenti universitari che soffrono di ansia e depressione. I risultati di questo piccolo studio condotto a Stanford, pubblicato su JMIR Mental Health nel 2017 e condotto da Kathleen Fitzpatrick, assistente alla cattedra di psichiatria infantile e adolescenziale, mostrano come Woebot abbia ridotto significativamente i sintomi di depressione degli studenti durante il periodo di studio.
“Se da un lato è chiaro che i chatbot per la salute mentale non sostituiranno mai i terapeuti umani, dall’altro è evidente come non ci siano abbastanza professionisti della salute mentale per soddisfare la domanda attuale“, dice Alison Darcy, PhD, professore associato di psicologia, che ha fondato Woebot Labs per sviluppare e commercializzare questa tecnologia.

DIAGNOSI SULL’AUTISMO ONLINE
Il disturbo dello spettro autistico colpisce un bambino su 68 negli Stati Uniti, tuttavia il processo diagnostico standard è complesso, richiede tempo e dipende da costosi specialisti. Ciò ha comportato ritardi diagnostici di 14 mesi in media e opportunità mancate per interventi precoci.
Non ci sono marcatori biologici per l’autismo – niente esami del sangue o scansioni cerebrali – quindi una diagnosi definitiva si basa sull’identificazione di anomalie nel linguaggio e nei comportamenti. Una valutazione clinica completa comporta un esame osservativo di due ore condotto da uno specialista addestrato, seguito da visite con un pediatra dello sviluppo e/o uno psichiatra. Il processo richiede spesso giorni e migliaia di dollari.
Dennis Wall, PhD, professore associato di pediatria e di scienze biomediche, vuole semplificare questo collo di bottiglia dell’accesso alla cura stabilendo una serie più semplice di segnalazioni verbali e comportamentali che possono essere identificate dai non-professionisti in un breve video casalingo. In un nuovo studio pubblicato su bioRxiv, valutatori volontati – persone senza formazione clinica – hanno identificato correttamente le caratteristiche diagnostiche dell’autismo con un’accuratezza del 76%-86%, semplicemente guardando un video di tre minuti e rispondendo a 30 domande sui comportamenti osservati.
Il team di Wall continua a lavorare per lo sviluppo di un esame diagnostico più rapido e più performante utilizzando le tecnologie di apprendimento automatico. Questi algoritmi software iterativi elaborano flussi di dati rilevanti da bambini con e senza autismo (questo potrebbe includere dati vocali, visivi e risultati di esami) per apprendere quali comportamenti sono i più rilevanti per la diagnosi. Più pazienti valuta il software, più intelligenti e accurate saranno le sue raccomandazioni diagnostiche.
“Sono entusiasta di iniziare a utilizzare queste tecnologie di Artificial Intelligence per aiutare i bambini con autismo e le loro famiglie in tutto il mondo. Stiamo solo all’inizio in questo momento“, dice Wall, che ha recentemente completato uno studio pilota in Bangladesh.
La società spinoff di Wall, Cognoa, sta lavorando con la Food and Drug Administration Statunitense e medici di tutto il mondo per convalidare il suo software diagnostico per un uso più ampio

SOCIAL MEDIA LISTENERS
Sul Web esistono innumerevoli gruppi di sostegno alle malattie più diverse, in cui i malati pongono domande, danno consigli e condividono speranze. Nigam Shah, PhD, assistente direttore del Centro di ricerca biomedica informatica di Stanford, sta sviluppando un software che “ascolta” queste conversazioni online e monitora gli effetti delle medicine dopo che sono state concesse in licenza per l’uso. L’obiettivo è identificare le reazioni avverse non dichiarate.
Per testare il potenziale di questo software, Shah e il suo laboratorio hanno collaborato con Brian Loew, CEO delle comunità sanitarie di Inspire, e Kavita Sarin, MD, PhD, assistente professore di dermatologia, per estrarre e analizzare citazioni di problemi di pelle tra 8 milioni di discussioni online tra persone che assumono erlotinib. Il farmaco viene utilizzato per trattare diversi tipi di cancro, tra cui il cancro del polmone e il cancro del pancreas. Una delle sfide in questo tipo di analisi è l’estrazione di dati rilevanti dalle conversazioni sui social media, che spesso sono non tecnici e dipendenti dal contesto e riuscire a trovare collegamenti tra farmaci ed effetti collaterali..
Utilizzando algoritmi software di text-mining e deep-learning, i ricercatori non solo hanno riconosciuto problemi noti della pelle con una media di sette mesi in anticipo rispetto alle segnalazioni cliniche, ma hanno anche identificato un effetto collaterale del farmaco che non era stato rilevato ed era abbastanza raro: sudorazione diminuita, nota anche come ipoidrosi. Questi risultati sono stati pubblicati su JAMA e questo studio di prova ha dimostrato come il machine listerning all’interno dei forum di salute online può essere utilizzato per migliorare la salute dei pazienti e ridurre i costi sociali degli effetti collaterali delle medicine.

LE SFIDE FUTURE
Entrare nel nuovo mondo dell’ascolto basato sull’intelligenza artificiale solleverà problemi etici, legali e sociali. Come proteggiamo la privacy dei pazienti i cui dati vengono raccolti e diffusi dai dispositivi di ascolto? Come possiamo essere sicuri che gli algoritmi software utilizzati per assistere i medici nelle decisioni sull’assistenza sanitaria siano privi di pregiudizi? Chi è legalmente in errore se l’uso di una di queste applicazioni si traduce in un grave errore medico?
Un’iniziativa che ha lo scopo di discutere e approfondire queste complesse domande è iniziata con un progetto guidato dall’Università di Stanford chiamato One Hundred Year Study on Artificial Intelligence (Studio di cent’anni sull’intelligenza artificiale). Attraverso questo sforzo, gruppi di lavoro di esperti sull’intelligenza artificiale di tutto il mondo produrranno un rapporto dettagliato sull’impatto dell’IA sulla società ogni anno per il prossimo secolo.
Il primo rapporto è stato pubblicato a settembre 2016 e la sua sezione sull’assistenza sanitaria ha sottolineato sia le promesse che le sfide che affrontiamo attualmente: “Le applicazioni basate sull’intelligenza artificiale potrebbero migliorare i risultati di salute e la qualità della vita per milioni di persone nei prossimi anni – ma solo se guadagnano la fiducia di medici, infermieri e pazienti e se vengono rimosse le politiche, gli ostacoli normativi e commerciali“.

E. P.