Può un algoritmo prevenire l’Alzheimer?

Machine-Learning-hero.jpgIl machine learning è la sfida formativa, sociale ed economica del nostro tempo. Se ne parla, molto e spesso con timore, nella convinzione che le macchine finiranno per rimpiazzare l’uomo. Nonostante la ricerca e lo sviluppo, l’intelligenza artificiale (AI) non è ancora in grado di sostituire un chirurgo in sala operatoria. Tuttavia, la capacità dell’AI di immagazzinare ed elaborare dati sembra essere in grado di recuperare decenni di terapie sperimentali fallite per la cura dell’Alzheimer.

Nel machine learning applicato alla medicina si utilizzano già algoritmi per identificare dei patterns, ossia delle correlazioni, nei dati. Proprio come Siri è in grado di riconoscere la nostra voce nel nostro telefono e Facebook riesce a prevedere quali contenuti potrebbero interessarci, questi algoritmi possono analizzare le retine dei pazienti diabetici e prevedere una futura perdita della vista o mettere in sequenza i genomi di città intere per individuare mutazioni genetiche alla radice di alcune malattie.

Per quanto riguarda l’Alzheimer, nonostante il progresso nella conoscenza della malattia, la terapia preventiva non ha finora prodotto risultati significativi.

Applicando un algoritmo multilivello a grappolo (multilayer clustering algorithm) per analizzare i dati di test cognitivi, TAC al cervello e biomarker del liquido spinale di un gruppo di pazienti testati per cinque anni nell’ambito di uno studio americano pubblicato a luglio, l’AI ha identificato due gruppi di interesse: uno composto da individui con un declino rapido e dunque a rischio Alzheimer, l’altro da individui con un declino minimo o nullo. I dati del primo gruppo hanno mostrato un tasso di atrofia cerebrale due volte maggiore rispetto a quelli del secondo gruppo, evidenziando il rischio di sviluppare la malattia.

È dunque possibile immaginare che in futuro questo genere di algoritmi consentirà ai medici di individuare i primi segni di Alzheimer anni prima della diagnosi effettiva.

Naturalmente il raggio di azione di questo genere di applicazioni è ben più ampio, non solo in ambito medico, ma in qualunque settore in cui la grande quantità di dati può consentire di individuare fattori altrimenti difficili da identificare.

L’impatto sulla formazione è altrettanto interessante. Significa accettare di affiancare dei sistemi automatizzati all’apprendimento tradizionale, utilizzandoli come strumento di potenziamento di conoscenze che sono fondamentalmente decisivi per lo sviluppo.

Aggregare enormi quantità di dati in modo automatico certamente fa risparmiare tempo e riduce il margine di errore, ma i numeri in sé non comunicano molto, senza l’insostituibile interpretazione umana, personale, ragionata e imprescindibile.

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...