La medicina contemporanea sta attraversando una trasformazione profonda che sta modificando non solo gli strumenti della pratica clinica, ma anche il modo stesso in cui il medico interpreta i dati, formula diagnosi e costruisce percorsi terapeutici.

L’evoluzione delle tecnologie digitali, la crescente disponibilità di grandi quantità di dati sanitari e lo sviluppo del machine learning stanno progressivamente orientando la medicina verso un modello sempre più personalizzato, predittivo e data-driven.

“Negli ultimi anni stiamo assistendo a un passaggio importante nella cultura medica. La medicina di precisione non significa semplicemente utilizzare tecnologie più sofisticate, ma integrare informazioni provenienti da fonti diverse come dati clinici, immagini diagnostiche, informazioni genomiche, dati provenienti dalla pratica reale,  per costruire decisioni terapeutiche sempre più mirate sul singolo paziente. In questo contesto l’intelligenza artificiale rappresenta uno strumento di supporto che consente di analizzare quantità di dati che sarebbero impossibili da gestire con i metodi tradizionali. Non sostituisce il medico ma ne rafforza la capacità interpretativa e decisionale“, dichiara il professor Calogero Cammà, direttore della Gastroenterologia del Policlinico Paolo Giaccone e coordinatore della cabina di regia sull’intelligenza artificiale istituita dal rettore dell’Università degli Studi di Palermo.

Dai trial ai real-world data

“Alla base di questa trasformazione resta il patrimonio metodologico dell’evidence-based medicine, cioè la medicina basata sulle prove scientifiche. Tuttavia, anche questo paradigma sta evolvendo grazie all’integrazione tra i risultati degli studi clinici controllati e le informazioni che emergono dalla pratica quotidiana – spiega –. Per decenni, infatti il riferimento principale sono stati i trial randomizzati e le linee guida che ne derivano. Che rimangono strumenti fondamentali, ma oggi abbiamo a disposizione anche i cosiddetti real-world data, cioè i dati che provengono dalla pratica clinica quotidiana e dai grandi database sanitari. L’intelligenza artificiale quindi permette di analizzare queste informazioni e di integrarle con le evidenze provenienti dalla letteratura scientifica. In questo modo il clinico dispone di un quadro più completo per prendere decisioni informate”.

“Un ambito in cui questa evoluzione appare particolarmente evidente è quello delle revisioni sistematiche e delle meta-analisi, strumenti centrali per sintetizzare le evidenze scientifiche disponibili – aggiunge -. Nuovi approcci metodologici stanno introducendo sistemi di analisi automatizzata della letteratura e modelli statistici avanzati che consentono di aggiornare più rapidamente le conoscenze. Le meta-analisi rappresentano da sempre uno strumento chiave per orientare la pratica clinica. Oggi stiamo assistendo all’introduzione di metodi che utilizzano l’intelligenza artificiale per identificare studi rilevanti, analizzare grandi quantità di dati e costruire modelli di sintesi più sofisticati. Questo non significa automatizzare la ricerca scientifica, ma dotare i ricercatori di strumenti più potenti per interpretare le informazioni disponibili”.

L’università

“In questo processo di trasformazione il ruolo dell’università diventa centrale. Le facoltà di medicina sono chiamate a formare professionisti capaci di operare in un contesto sanitario sempre più caratterizzato dalla disponibilità di grandi quantità di dati clinici e dall’utilizzo di strumenti di analisi avanzata – evidenzia –. Non si tratta di trasformare i medici in ingegneri o informatici, ma di fornire loro competenze metodologiche che permettano di comprendere il funzionamento degli algoritmi, valutarne criticamente l’affidabilità e integrarli correttamente nel processo decisionale clinico”.

“L’intelligenza artificiale rappresenta uno strumento con un potenziale significativo nella ricerca biomedica e nella pratica clinica, perché consente di analizzare dataset complessi, individuare pattern non immediatamente evidenti e sviluppare modelli predittivi utili alla gestione delle patologie e alla personalizzazione delle terapie. Tuttavia, questi strumenti devono essere utilizzati all’interno di un solido quadro metodologico e scientifico. Per questo l’università ha il compito di promuovere un approccio realmente interdisciplinare, favorendo la collaborazione tra clinici, epidemiologi, biostatistici, informatici e data scientist. Solo attraverso questa integrazione di competenze è possibile sviluppare modelli di analisi robusti e garantire che l’innovazione tecnologica venga applicata in modo rigoroso e appropriato nella pratica medica”, cocnlude.