La discussione ha offerto vari spunti di riflessione su prospettive, potenzialità, stato dell’arte e sfide connesse al pieno utilizzo dell’intelligenza artificiale nel settore della salute. La crescente quantità di dati disponibile nel settore medico, insieme all’emergere di nuovi sistemi di intelligenza artificiale, permette di ricercare all’interno di quei dati gli elementi essenziali per consentire il miglioramento dell’offerta di salute, così come accelerare i percorsi di ricerca e sviluppo nel settore medico. Ancora più importante è il fatto che la combinazione tra dati e intelligenza artificiale consenta di superare la concezione del corpo umano come “black box”; una visione sulla quale ha necessariamente dovuto lavorare la pratica medica – anche quella della considdetta evidence-based medicine – limitandosi ad osservare un determinato output dato un input di partenza.
L’evoluzione della tecnologia e la crescente disponibilità di dati arrivano a offrire soluzioni di lungo periodo per poter risolvere la questione della sostenibilità e dell’efficientamento dei sistemi sanitari in tutto il mondo; si tratta di una sostenibilità messa a dura prova dai profondi mutamenti nella domanda di salute connessi tanto all’invecchiamento della popolazione quanto alle nuove necessità nella gestione delle cronicità. È importante notare come questa evoluzione stia consentendo sempre di più di spostare l’attenzione dalla malattia a un più ampio concetto di salute, fondato su una comprensione olistica del corpo umano e una capacità di intervento ben oltre la cura a patologia ormai conclamata.
Sono ormai disponibili – se non consolidate già in contesti reali – una grande varietà di tecnologie e soluzioni basate sull’intelligenza artificiale, in grado di offrire supporto alla decisione medica, alla diagnosi, allo sviluppo di terapie personalizzate, fino all’ottimizzazione dei processi di ricerca e sviluppo in ambito farmaceutico e non solo. Gli algoritmi possono offrire sostegno in varie fasi del processo di cura, dall’individuazione della patologia, alla prognosi, al monitoraggio, fino all’individuazione dei percorsi di cura più efficaci. I gemelli digitali delle patologie permettono di comprendere nel dettaglio i meccanismi alla base di una malattia, consentendo di facilitare la scoperta di nuove cure e nuovi farmaci.
I foundational model alla base dei nuovi sistemi generativi stanno finanche consentendo di superare uno dei grandi limiti che fino ad oggi hanno rallentano la piena adozione di modelli di intelligenza artificiale: lo scarso ritorno sull’investimento derivante dalla necessità di costruire modelli specifici, tarati su dati specifici (a loro volta oggetto di dispendiose attività di annotazione), per svolgere attività specifiche, senza possibilità di ottimizzare su ampia scala i modelli in ambiti applicativi diversi.
È altresì di grande importanza non sottovalutare le limitazioni ancora esistenti in questi innovativi modelli generativi, che spesso possono giungere – specialmente in alcuni ambiti – a conclusioni erronee o completamente fuorvianti. In tal senso, la supervisione umana è e rimane di grande importanza. Così come rimangono estremamente rilevanti i dati, insieme alle loro disponibilità, qualità e accessibilità, anche in un’ottica industriale di protezione degli investimenti nel settore.
La gestione dei dati – vero asset sulla cui base i nuovi strumenti di IA sono costruiti – il rispetto della privacy, la costruzione di una adeguata cultura digitale per aumentare il grado di fiducia nei confronti dei nuovi algoritmi, sono tutti elementi essenziali e propedeutici alla costruzione e allo sviluppo di un ecosistema di innovazione basato sull’intelligenza artificiale che sia dinamico e competitivo nei confronti del resto del mondo.
L’Italia in questo senso si trova in leggero svantaggio se messa a confronto con Paesi dalla più robusta cultura digitale. Desta particolare preoccupazione un ruolo non del tutto primario che il nostro Paese sta esercitando nel contesto dello sviluppo delle nuove regolamentazioni e nella definizione delle modalità attuative con cui gli strumenti innovativi verranno implementati nei tanti ambiti applicativi di interesse. Le regole del gioco sono già in fase di definizione – più o meno avanzata – e si rischia di trovarsi ad operare in un contesto in cui le modalità di ingaggio sono state appena definite da attori che hanno presidiato il tema dell’intelligenza artificiale in modo più sistematico e proattivo.
Ci si trova pertanto in una paradossale situazione in cui, mentre le tecnologie, gli strumenti, i dati, le infrastrutture, le competenze, si stanno facendo via via sempre più disponibili, le lacune normative e regolamentari a livello nazionale – in un contesto in cui il quadro regolatorio europeo avanza velocemente sotto la spinta di attori più dinamici –, insieme la difficoltà di conciliare e risolvere questioni aperte su modalità operative di ingaggio, rischiano di far perdere al Paese competitività e spazio d’azione. Si tratterebbe non soltanto di un danno da un punto di vista economico e sociale, ma anche di un azzardo troppo grande per la sostenibilità di lungo periodo del sistema sanitario italiano.