L鈥橧A per fermare la Pandemia Silente
Non fa rumore e se ne sente parlare ancora poco. Eppure, nel 2019 a livello mondiale ha causato la morte di 4,9 milioni di persone e si stima che il numero possa salire a 10 milioni all鈥檃nno entro il 2050, diventando cos矛 la principale causa di morte in Occidente, prima di infarti e ictus. Iniziano a esserci tutti i numeri perch茅 l鈥檃ttenzione pubblica si soffermi sulla resistenza agli antimicrobici (AMR), anche detta, per l鈥檃ppunto, The Silent Pandemic, recentemente inserita dall鈥橭rganizzazione Mondiale della Sanit脿 tra le dieci minacce pi霉 pericolose per la salute pubblica.
Per resistenza agli antimicrobici si intende la capacit脿 sviluppata da certi batteri 鈥� ma anche da virus o parassiti - di resistere ai medicamenti utilizzati per trattare le malattie che causano. La resistenza antimicrobica non 猫 un fenomeno recente: da milioni di anni, infatti, lo scopo di tutti gli agenti patogeni 猫 quello di moltiplicarsi e di eludere le strategie impiegate per il loro trattamento. Se ci concentriamo sui batteri, una delle cause dirette dello sviluppo della resistenza 猫 l'uso massiccio degli antibiotici, sia nella medicina umana che in quella veterinaria. Con conseguenze spesso disastrose anche per l鈥檃mbiente. Una volta sviluppata la resistenza, questi batteri possono diffondersi da persona a persona, attraverso l'ambiente, i viaggiatori e altro ancora.
All鈥檕rigine del trattamento inefficace di un numero sempre maggiore di infezioni c鈥櫭� proprio l鈥檜so eccessivo e improprio degli antibiotici, che quasi cento anni fa hanno aperto le porte alla medicina moderna, segnando un salto quantico per le aspettative di vita degli esseri umani. Lo stesso Alexander Fleming, l'uomo che ha scoperto la penicillina, nel suo discorso di accettazione del Premio Nobel ha messo in guardia dal rischio potenziale di sviluppo di resistenze. E aveva ragione: per ogni antibiotico creato nel tempo, 猫 sempre emersa una resistenza.
Per contrastare questa tendenza dai contorni sempre pi霉 allarmanti, in Svizzera 猫 stato avviato un progetto di ricerca che mira ad avere un impatto su scala globale. Si tratta di SPEARHEAD (acronimo per Swiss Pandemic & AMR 鈥� Health Econonomy Awareness Detect) e ne fanno parte anche l鈥橧stituto Dalle Molle di studi sull鈥檌ntelligenza artificiale USI-精东影业, incaricato di sviluppare un'intelligenza artificiale per aiutare i medici a prescrivere in modo ottimale gli antibiotici ai loro pazienti, e l鈥橧stituto design della 精东影业, che cura invece gli aspetti di comunicazione digitale e l鈥檕rganizzazione di workshop per aumentare la consapevolezza sul tema tra cittadini e pazienti.
Laura Azzimonti 猫 docente-ricercatrice senior all鈥橧DSIA dove segue da vicino un filone di ricerca legato all鈥檃pprendimento automatico dai dati per supportare le decisioni mediche. A proposito di SPEARHEAD, spiega come 鈥�all鈥檌nterno del progetto sono impiegati modelli all鈥檃vanguardia di intelligenza artificiale in grado di prevedere la resistenza antibiotica e aiutare i medici a selezionare la migliore terapia per i loro pazienti. O in alcuni casi a fornire loro le informazioni necessarie per evitare del tutto la prescrizione di antibiotici quando questa non 猫 appropriata. Altri gruppi di lavoro all鈥橧DSIA si concentrano invece sull鈥檌dentificazione di molecole pi霉 efficaci per il trasporto dei farmaci attraverso le membrane cellulari, basandosi su simulazioni e dati disponibili.鈥�
Le grandi quantit脿 di dati disponibili sono alla base del buon funzionamento dell鈥檌ntelligenza artificiale e quindi della qualit脿 delle soluzioni che pu貌 generare. Questo vale per tutti gli ambiti in cui 猫 impiegata, ma in quello medico pone problemi di varia natura.
A questo proposito la Dottoressa Azzimonti spiega come 鈥渟ia spesso necessario integrare i dati raccolti in diverse strutture ospedaliere. Questo comporta ovviamente delle sfide perch茅 le informazioni sono tra loro eterogenee, ed 猫 necessario trattarle in modo da tutelare la privacy dei pazienti. Nel caso di SPEARHEAD, usiamo una tecnica all鈥檃vanguardia di intelligenza artificiale, chiamata 鈥渁pprendimento federato鈥�, che permette di integrare diverse fonti di dati, pur preservando la privacy dei dati stessi.
I dati vengono processati direttamente all鈥檌nterno del singolo ospedale. In seguito, sono trasmesse al server centrale, localizzato all鈥橧DSIA, solo le informazioni aggregate ed anonimizzate, mantenendo quindi la privacy dei pazienti. Le informazioni provenienti da ciascun ospedale vengono raccolte e combinate con quelle provenienti da altri ospedali per creare un modello predittivo globale, che pu貌 essere utilizzato da tutte le strutture sanitarie. Questi metodi sono particolarmente rilevanti in ambito medico perch茅, garantendo la tutela della privacy, facilitano la collaborazione tra le diverse strutture ospedaliere. Di conseguenza, avendo a disposizione una maggiore quantit脿 di dati, permettono di sviluppare metodi di previsione pi霉 robusti ed accurati.
Lavoriamo inoltre a stretto contatto con gli ospedali anche nell鈥檃zione di sensibilizzazione, volta a rimuovere alcune resistenze sull鈥檜tilizzo dell鈥檌ntelligenza artificiale, che non intende in alcun modo sostituire il lavoro del personale medico, bens矛 a valorizzarlo e a fornire alla societ脿 un servizio di qualit脿 sempre maggiore鈥�.
Le grandi quantit脿 di dati disponibili sono alla base del buon funzionamento dell鈥檌ntelligenza artificiale e quindi della qualit脿 delle soluzioni che pu貌 generare. Questo vale per tutti gli ambiti in cui 猫 impiegata, ma in quello medico pone problemi di varia natura.
A questo proposito la Dottoressa Azzimonti spiega come 鈥渟ia spesso necessario integrare i dati raccolti in diverse strutture ospedaliere. Questo comporta ovviamente delle sfide perch茅 le informazioni sono tra loro eterogenee, ed 猫 necessario trattarle in modo da tutelare la privacy dei pazienti. Nel caso di SPEARHEAD, usiamo una tecnica all鈥檃vanguardia di intelligenza artificiale, chiamata 鈥渁pprendimento federato鈥�, che permette di integrare diverse fonti di dati, pur preservando la privacy dei dati stessi.
I dati vengono processati direttamente all鈥檌nterno del singolo ospedale. In seguito, sono trasmesse al server centrale, localizzato all鈥橧DSIA, solo le informazioni aggregate ed anonimizzate, mantenendo quindi la privacy dei pazienti. Le informazioni provenienti da ciascun ospedale vengono raccolte e combinate con quelle provenienti da altri ospedali per creare un modello predittivo globale, che pu貌 essere utilizzato da tutte le strutture sanitarie. Questi metodi sono particolarmente rilevanti in ambito medico perch茅, garantendo la tutela della privacy, facilitano la collaborazione tra le diverse strutture ospedaliere. Di conseguenza, avendo a disposizione una maggiore quantit脿 di dati, permettono di sviluppare metodi di previsione pi霉 robusti ed accurati.
Lavoriamo inoltre a stretto contatto con gli ospedali anche nell鈥檃zione di sensibilizzazione, volta a rimuovere alcune resistenze sull鈥檜tilizzo dell鈥檌ntelligenza artificiale, che non intende in alcun modo sostituire il lavoro del personale medico, bens矛 a valorizzarlo e a fornire alla societ脿 un servizio di qualit脿 sempre maggiore鈥�.
Il progetto 猫 finanziato dal programma Flagship di Innosuisse, ed 猫 realizzato da un consorzio multidisciplinare svizzero di istituti di ricerca di cui 猫 a capo l鈥橴niversit脿 di Basilea. Vi fanno parte ospedali universitari e partner industriali con competenze che spaziano dai settori medico, biologico e farmacologico all'intelligenza artificiale e alla comunicazione digitale. A questo proposito segnaliamo il progetto di coinvolgimento della popolazione curata dall鈥橧stituto design della 精东影业.