Individuare un tumore in fase precoce è fondamentale per garantire una prevenzione e una cura efficaci. Oggi c’è un alleato in più, che sta imparando molto in fretta ed è sempre più preciso: si tratta dell’Intelligenza Artificiale. È quanto emerge da un recente studio, pubblicato sulla rivista Nature Medicine, a cui ha collaborato Robert Fruscio, professore associato in Ginecologia e Ostetricia dell’Università di Milano-Bicocca e direttore della Struttura semplice di Ginecologia Preventiva della Fondazione IRCCS San Gerardo dei Tintori.
Tag: Medicina Pagina 1 di 2
L’intelligenza artificiale (IA) sta facendo passi da gigante in numerosi settori, e uno dei campi in cui potrebbe rivoluzionare i processi è sicuramente quello della medicina. Recentemente, un team di ricercatori cinesi ha sviluppato HuatuoGPT-o1, un modello avanzato di IA progettato per risolvere problemi medici attraverso un ragionamento complesso. Questo modello si distingue non solo per l’approccio innovativo utilizzato nel suo allenamento, ma anche per la sua capacità di affrontare le sfide della diagnosi medica in modo simile a come farebbe un medico.
L’Intelligenza Artificiale potrebbe rivoluzionare lo screening del cancro al seno, aiutando i medici a identificare un numero maggiore di casi rispetto ai metodi tradizionali. Lo rivela uno studio pubblicato su Nature Medicine, che evidenzia come l’uso dell’AI nell’esame delle mammografie permetta di diagnosticare un caso di tumore in più ogni 1.000 donne sottoposte a screening.
Un innovativo studio, che coinvolge quasi 2.000 persone, sta gettando le basi per una possibile rivoluzione nella prevenzione degli ictus, attraverso la rilevazione della fibrillazione atriale (FA), una condizione che aumenta drasticamente il rischio di ictus mortali. Questa patologia, caratterizzata da aritmie cardiache irregolari, spesso resta non diagnosticata fino a quando non si manifesta per la prima volta con un ictus devastante. Il trial in corso, che sfrutta l’intelligenza artificiale per sviluppare algoritmi predittivi, potrebbe cambiare il modo in cui i medici diagnosticano e gestiscono la FA, salvando innumerevoli vite.
Lo studio innovativo, condotto nella regione del West Yorkshire, introduce l’algoritmo FIND-AF, uno strumento sviluppato dai ricercatori dell’Università di Leeds in collaborazione con Leeds Teaching Hospitals NHS Trust. Questo algoritmo utilizza il machine learning per esaminare milioni di cartelle cliniche, identificando i pazienti che potrebbero essere a rischio di sviluppare la FA nei sei mesi successivi. L’idea è quella di intervenire prima che la condizione evolva in una fase in cui potrebbe causare danni irreversibili, in particolare attraverso gli ictus.
Un mio amico, un vero scienziato in intelligenza artificiale e mio istitutore privato, mi ha insegnato una cosa fondamentale, ovverosia che in materia occorre camminare facendo due passi avanti, massimo tre, e uno indietro. Correre un po’ di più di come consigliava Lenin, in un suo saggio del 1904, di fare un passo in avanti e due indietro per dare modo di scegliere saputamente. Non solo. Mi ha insegnato che necessita dare certezza ai miliardi di dati di cui l’AI si nutre e non distrarsi minimamente dal suo essere strumento capace di autoalimentarsi, con tutti i rischi che ne conseguono.
Scoperta l’Emoglobina Monza, una nuova variante anomala della proteina che trasporta l’ossigeno nel sangue, individuata per la prima volta in una bambina di origine cinese in cura presso l’ospedale San Gerardo di Monza, ed è stata studiata grazie all’intelligenza artificiale dai ricercatori dell’Università di Milano-Bicocca coordinati da Carlo Gambacorti-Passerini.
Uno studio ha scoperto che gli attuali modelli linguistici di intelligenza artificiale e gli strumenti biologici non pongono rischi immediati per la biosicurezza, ma che sono necessarie ricerche più rigorose sulle potenziali minacce future. Parallelamente Air Street Press ha sostenuto che, nonostante esistano rischi per la biosicurezza dell’intelligenza artificiale, concentrarsi principalmente sugli LLM piuttosto che su strumenti di bioprogettazione più specializzati potrebbe essere un errore.
In una recente intervista, il CEO di Apple, Tim Cook, ha delineato una visione ambiziosa e futuristica del contributo di Apple nel settore della salute. Durante il colloquio, Cook ha ribadito che il vero lascito della compagnia potrebbe non risiedere nei suoi iconici dispositivi tecnologici, ma nel suo impatto sul miglioramento della salute umana. Una dichiarazione potente, che potrebbe ridefinire il ruolo della tecnologia nella vita quotidiana.
L’insufficienza cardiaca grave rappresenta una delle principali sfide mediche del nostro tempo. Spesso, la soluzione definitiva per questi pazienti è il trapianto di cuore, ma la scarsità di organi disponibili costringe molti di loro a lunghe liste d’attesa. Tuttavia, una rivoluzionaria alternativa al trapianto potrebbe essere all’orizzonte: entro il 2025, i primi cuori artificiali permanenti saranno impiantati in via sperimentale. Questo l’annuncio fatto dall’azienda francese Carmat durante un incontro con la stampa nello stabilimento produttivo di Bois D’Arcy, vicino Parigi.
Un nuovo dispositivo indossabile promette di trasformare la vita dei pazienti colpiti da disartria, un disturbo motorio del linguaggio spesso associato a ictus e altre condizioni neurologiche. Soprannominato “Intelligent Throat,” questo sistema combina sensori avanzati e intelligenza artificiale (AI) per tradurre in tempo reale il linguaggio silenzioso e le sfumature emotive, offrendo un nuovo livello di comunicazione naturale e fluente.
Il cancro, una delle malattie più devastanti e diffuse a livello globale, continua a rappresentare una sfida imponente per i sistemi sanitari, le comunità scientifiche e le economie mondiali. Secondo recenti proiezioni, si stima che entro il 2050 il numero di casi di cancro diagnosticati annualmente supererà i 35 milioni. Questo drammatico aumento richiede un’azione immediata per rafforzare le capacità di prevenzione, diagnosi precoce, e trattamento, così come per affrontare le implicazioni sociali ed economiche di questa epidemia crescente.
La scienza medica sta compiendo passi significativi per contrastare questa tendenza. Le tecnologie emergenti come la medicina di precisione, l’intelligenza artificiale e le terapie geniche stanno trasformando il panorama oncologico. Le immunoterapie, che potenziano il sistema immunitario per combattere il cancro, hanno già dimostrato risultati promettenti, soprattutto nei tumori difficili da trattare come il melanoma e il carcinoma polmonare.
Entra in scena OneCell Diagnostics, una startup pioniera nel settore della genomica applicata all’oncologia di precisione, con l’obiettivo di aiutare i sopravvissuti al cancro a ridurre le recidive attraverso una tecnologia innovativa basata sulla biopsia cellulare.
Un gruppo di ricercatori provenienti da varie istituzioni, tra cui l’Università di Lahore e l’Università di Shenzhen, ha creato VirtuDockDL, una piattaforma basata su Python che sta mostrando risultati promettenti nel prevedere quali composti potrebbero diventare farmaci efficaci.
La pipeline VirtuDockDL (github) si presenta come un’innovativa piattaforma progettata per rivoluzionare il processo di screening virtuale nella scoperta di farmaci, sfruttando il potenziale del deep learning per migliorare precisione e velocità. Proposta da Fatima Noor e colleghi, questa soluzione combina tecniche avanzate di apprendimento automatico con metodi computazionali per affrontare le sfide critiche nella selezione di candidati farmacologici promettenti.
Il MIT Jameel Clinic ha annunciato oggi il lancio di Boltz-1, un modello open-source progettato per modellare accuratamente le interazioni biomolecolari complesse. Si tratta del primo modello completamente disponibile commercialmente e open-source in grado di raggiungere la precisione di AlphaFold3 nella previsione delle strutture tridimensionali di complessi biomolecolari. Questo rappresenta un passo significativo nella democratizzazione dell’accesso agli strumenti avanzati di modellazione biomolecolare, stabilendo un nuovo standard nella biologia strutturale open-source.
In un’imprevista mossa che segna una svolta epocale nel campo delle scienze molecolari, Google DeepMind ha rilasciato il codice sorgente e i pesi del modello di AlphaFold 3 per un uso accademico, con l’ambizioso obiettivo di accelerare la scoperta scientifica e lo sviluppo di farmaci. La notizia arriva a solo poche settimane dalla vittoria del Premio Nobel per la Chimica 2024 attribuito ai creatori del sistema, Demis Hassabis e John Jumper, per il loro lavoro pionieristico nella previsione della struttura delle proteine.
L’introduzione dell’intelligenza artificiale (IA) nei sistemi sanitari è al centro di un dibattito acceso: se da un lato promette efficienza e miglioramento dei risultati clinici, dall’altro solleva preoccupazioni profonde. Il rischio è che la “razionalità” algoritmica e la spinta verso l’efficienza possano compromettere la sicurezza e la cura del paziente.
Negli ultimi anni, l’intelligenza artificiale ha trovato sempre più applicazioni nel settore sanitario, tra cui i tool di trascrizione automatica che stanno velocizzando e ottimizzando la gestione delle informazioni cliniche. Tuttavia, emergono anche rischi e sfide significative, soprattutto in contesti in cui l’accuratezza dei dati è cruciale. Un recente studio presentato alla conferenza ACM FAccT in Brasile ha evidenziato che uno dei tool più utilizzati, Whisper, sviluppato da OpenAI e utilizzato da Nabla, talvolta mostra errori gravi e persino “allucinazioni” che generano frasi inventate, potenzialmente fuorvianti.
L’intelligenza artificiale (AI) ha il potenziale di rivoluzionare il campo della radiologia diagnostica, ma affronta importanti ostacoli all’integrazione negli ambienti clinici. Tra i principali c’è l’incapacità di integrare informazioni cliniche e esami di imaging precedenti e contemporanei, un fattore che può portare a errori diagnostici capaci di alterare in modo irreversibile la cura del paziente. Per avere successo nella pratica clinica moderna, l’addestramento dei modelli e lo sviluppo degli algoritmi devono tenere conto delle informazioni di background rilevanti che possono influenzare la presentazione del paziente in questione.
La schistosomiasi, nota anche come bilharziosi, è un’infezione parassitaria causata da vermi piatti del genere Schistosoma. Questi parassiti si trovano prevalentemente in acque dolci contaminate, dove completano il loro ciclo vitale passando attraverso un ospite intermedio, tipicamente delle lumache. La trasmissione avviene quando le larve, rilasciate dalle lumache, penetrano nella pelle umana durante il contatto con l’acqua infetta. Una volta entrati nel corpo, i parassiti migrano attraverso il sistema circolatorio fino a stabilirsi negli organi interni, come fegato e intestino, dove si sviluppano in vermi adulti e producono uova.
I ricercatori della Harvard Medical School hanno recentemente svelato un nuovo modello, pubblicato su Nature, di intelligenza artificiale (IA) denominato CHIEF (Clinical Histopathology Imaging Evaluation Foundation), capace di diagnosticare e prevedere esiti per diversi tipi di cancro con una precisione straordinaria. Questo avanzato sistema ha suscitato un notevole interesse per la sua capacità di superare le prestazioni degli attuali sistemi di IA, raggiungendo fino al “96% di accuratezza” nella rilevazione del cancro attraverso 19 diversi tipi di tumori. CHIEF è open source e può essere scaricato dalla pagina Github del progetto.
Il modello CHIEF è stato paragonato, per la sua versatilità, a ChatGPT, il celebre modello di linguaggio che ha catturato l’attenzione globale grazie alla sua capacità di affrontare un’ampia gamma di compiti. Tuttavia, CHIEF è specializzato nel campo della visione artificiale, un modello creato appositamente per comprendere gli input visivi, particolarmente focalizzato sull’analisi delle immagini di cellule tumorali. Questa focalizzazione lo distingue dai modelli generalisti come GPT-4V o LlaVA, che si concentrano su una vasta gamma di applicazioni visive più generiche.
Evoluzione dell’IA nella Radiologia
L’IA è stata applicata nell’imaging medico per decenni, ma la sua crescita esponenziale è avvenuta recentemente. Secondo i dati più recenti, fino a luglio 2023, 692 dispositivi medici abilitati all’IA hanno ricevuto l’autorizzazione al mercato, con oltre il 75% di questi dedicati alla radiologia. Questa crescita ha spinto i regolatori a sviluppare linee guida più rigorose per garantire che i dispositivi siano validati in contesti clinici realistici e che i rischi, come i bias nei dati, siano adeguatamente identificati e mitigati.
Impatto di Tx-LLM sulle Aziende Farmaceutiche: Un Modello Rivoluzionario per lo Sviluppo Terapeutico
Il modello di intelligenza artificiale di Google Research, Tx-LLM annunciato il 9 Ottobre, sta rivoluzionando lo sviluppo dei farmaci.
Il processo di sviluppo di nuovi farmaci terapeutici è notoriamente lungo e costoso: richiede in media 10-15 anni e un investimento di 1-2 miliardi di dollari per ogni candidato, con un tasso di fallimento clinico molto elevato. Ciò è dovuto alla complessità della pipeline, che comporta numerosi passaggi e criteri indipendenti che i farmaci devono soddisfare.
Ad esempio, un farmaco deve interagire specificamente con il target designato senza provocare tossicità, deve raggiungere la sua destinazione all’interno del corpo e deve essere facilmente prodotto su larga scala.
Il processo sperimentale per validare queste proprietà è estremamente dispendioso in termini di tempo e costi. In questo contesto, Tx-LLM, un modello linguistico di grandi dimensioni ottimizzato per prevedere le proprietà delle entità biologiche, emerge come una soluzione innovativa e vantaggiosa per l’industria farmaceutica.
Una nuova ricerca condotta dal MIT ha messo in luce come i modelli di intelligenza artificiale (IA) utilizzati per analizzare le immagini mediche, in particolare le radiografie, possano essere influenzati da bias. Questi modelli, capaci di prevedere caratteristiche demografiche come razza, genere e età di un paziente, tendono a usare tali tratti come scorciatoie nei loro processi diagnostici, portando a diagnosi imprecise per donne e persone di colore.
L’ospedale “AI Powered Hospital” in Cina rappresenta un significativo passo avanti nell’integrazione dell’intelligenza artificiale (IA) nel settore sanitario. Questa struttura innovativa è stata progettata per migliorare l’efficienza e la qualità delle cure attraverso l’uso di tecnologie avanzate.
- Data di Inaugurazione: 15 marzo 2024
- Luogo: Xuhui, situato al numero 966 di Middle Huaihai Road a Shanghai
Elad Gil, un investitore di spicco nel panorama tecnologico, sta compiendo significativi passi nel settore sanitario sostenendo Abridge, una startup focalizzata sull’uso dell’intelligenza artificiale per migliorare la documentazione clinica. Abridge ha sviluppato strumenti innovativi che trascrivono e strutturano in tempo reale le conversazioni tra medici e pazienti, con l’obiettivo di alleviare i carichi amministrativi affrontati dai professionisti della salute.
Oggi, Microsoft ha presentato una serie di nuovi strumenti potenziati dall’intelligenza artificiale per i fornitori di servizi sanitari attraverso la sua piattaforma Microsoft Cloud for Healthcare. Questi strumenti mirano a migliorare l’efficienza e la qualità delle cure, affrontando le sfide attuali del settore.
Nuovi Modelli di IA e Soluzioni per la Gestione dei Dati
Ezra, un’azienda di AI nel settore sanitario specializzata in imaging MRI e rilevamento precoce del cancro, ha recentemente raccolto 21 milioni di dollari in finanziamenti per migliorare le proprie operazioni ed espandere i propri servizi in Nord America.
Questo investimento porta il totale dei finanziamenti di Ezra a 41 milioni di dollari e faciliterà la crescita dell’azienda in 20 città e 50 sedi nel 2024. Il round di finanziamento è stato co-guidato da Healthier Capital e FirstMark Capital, con la partecipazione di vari investitori notabili, tra cui l’ex presidente del NHS Lord David Prior e la CEO di 23andMe Anne Wojcicki.
In occasione della Giornata Mondiale della Salute Mentale del 10 ottobre, un recente studio di GoodHabitz mette in evidenza come un lavoratore su tre sia stanco del proprio lavoro e desideri cambiare attività. La ricerca, che ha coinvolto oltre 1000 dipendenti italiani, segnala una crescente insoddisfazione per i lavoratori italiani.
AstraZeneca ha avviato una collaborazione da 18 milioni di dollari con la biotech israeliana Immunai per migliorare l’efficienza delle sperimentazioni di farmaci contro il cancro utilizzando l’intelligenza artificiale (AI). Questa partnership mira a sfruttare il modello di AI del sistema immunitario di Immunai, noto come Immunodynamics Engine (IDE), per migliorare i processi decisionali clinici, inclusi la selezione delle dosi, l’identificazione dei biomarcatori e l’analisi delle risposte dei pazienti.
Fondata nel 2018, Immunai sfrutta la genomica delle singole cellule e l’apprendimento automatico per analizzare la composizione genetica cellulare, scoprendo e ottimizzando lo sviluppo di nuove terapie attraverso la decodifica del sistema immunitario.
Google AI ha recentemente presentato CTG-net, un modello di apprendimento profondo progettato per migliorare l’interpretazione dei dati della cardiotocografia (CTG). Questo strumento innovativo mira a superare le limitazioni dell’interpretazione tradizionale della CTG, che può essere soggettiva e portare a diagnosi errate. La CTG è cruciale per monitorare la frequenza cardiaca fetale e le contrazioni uterine durante la gravidanza, e un’interpretazione più accurata potrebbe avere un impatto significativo sulla salute materna e fetale.
Recentemente, un interessante studio ha messo in luce le capacità del nuovo modello di OpenAI, o1, confrontandolo con altri modelli di linguaggio (LLM), inclusi quelli open source. I risultati ottenuti non solo offrono uno spaccato delle attuali capacità tecnologiche, ma pongono anche interrogativi sul futuro della medicina e sul ruolo che l’intelligenza artificiale potrebbe giocare nella pratica clinica.
HHS vuole istituire nuovi laboratori di controllo per testare i prodotti di IA nel settore sanitario
Il Dipartimento della Salute e dei Servizi Umani (HHS) degli Stati Uniti ha annunciato l’istituzione di nuovi laboratori di controllo per testare i prodotti di intelligenza artificiale (IA) nel settore sanitario. Questa iniziativa è parte di un ampio sforzo per garantire che le applicazioni di IA siano sicure, efficaci e conformi alle normative esistenti.
MIT ha recentemente introdotto ScribblePrompt, uno strumento interattivo di intelligenza artificiale progettato per semplificare e velocizzare il processo di etichettatura delle immagini mediche, come risonanze magnetiche (MRI) e radiografie. Questo innovativo sistema riduce il tempo di annotazione del 28% rispetto ad altri metodi, come il Segment Anything Model (SAM) di Meta, permettendo ai medici di concentrarsi su analisi più critiche.
La dott. ssa Brownstein è specializzata nella scoperta di nuovi geni per malattie rare e orfane. Ha messo a frutto il suo background e la sua formazione in progetti con il Manton Center for Orphan Disease Research , come responsabile dell’IDDRC Molecular Genomics Core Facility , del
Developmental Neuropsychiatry Program e del Robert’s Program in Sudden and Unexpected Death in Pediatrics. La sua ricerca ha chiarito la regolazione del fosfato e le cause genetiche della disabilità intellettiva.
Brownstein discute di come i nuovi modelli di AI della serie o1 di OpenAI possano assistere nella ricerca genetica e nella scoperta di nuovi geni per malattie rare.
Qritive, un’azienda con sede a Singapore specializzata in patologia digitale e intelligenza artificiale, ha recentemente annunciato una collaborazione significativa con Roche, un leader globale nel settore dei diagnostici e delle scienze della vita. Questa partnership mira a migliorare la diagnosi e il trattamento del cancro, accelerando l’adozione dell’intelligenza artificiale (AI) da parte dei patologi.
Google DeepMind ha recentemente annunciato il rilascio di AlphaProteo, un modello di intelligenza artificiale innovativo progettato per l’ingegneria delle proteine. Questo nuovo sistema si concentra sulla generazione di proteine nuove in grado di legarsi efficacemente a proteine target specifiche, un processo cruciale per varie applicazioni biologiche e sanitarie.
L’intelligenza artificiale (IA) potrebbe aiutare i medici di base a identificare i pazienti più a rischio di sviluppare condizioni che potrebbero portare a problemi cardiaci fatali.
L’Università di Leeds ha contribuito ad addestrare un sistema di IA chiamato Optimise, che ha analizzato le cartelle cliniche di oltre due milioni di persone.
I ricercatori hanno scoperto che in molti casi i pazienti avevano condizioni non diagnosticate o non avevano ricevuto i farmaci che potrebbero contribuire a ridurre il loro rischio.
Sebbene ancora rudimentale, risultati di prova dimostrano che i modelli generativi basati sul linguaggio naturale come GPT-4 hanno il potenziale per assistere nella ricerca sulla biologia strutturale modellando strutture molecolari e interazioni. Tuttavia, la tecnologia rimane limitata nella sua accuratezza e nella capacità di gestire sistemi complessi. I continui progressi nell’AI generativa porteranno probabilmente a applicazioni più sofisticate nella biologia strutturale in futuro.
Il 27 agosto 2024 rappresenta una data significativa per l’uso dell’intelligenza artificiale (IA) nella diagnosi del cancro ai polmoni e in altre applicazioni mediche. Diverse università e istituzioni di ricerca stanno facendo progressi notevoli in questo settore, sviluppando tecnologie innovative che promettono di trasformare le pratiche diagnostiche e terapeutiche.
Una nuova interfaccia cervello-computer (BCI) permette all’uomo affetto da SLA di “parlare” di nuovo
Un nuovo interfaccia cervello-computer (BCI) sviluppato presso l’UC Davis Health ha compiuto significativi progressi nel superare le barriere comunicative per le persone con gravi disabilità del linguaggio, come quelle causate dalla sclerosi laterale amiotrofica (SLA).
Questa tecnologia innovativa traduce i segnali cerebrali in parole con un’accuratezza impressionante fino al 97%, segnando il sistema più preciso del suo genere fino ad oggi.
Google ha sviluppato un modello innovativo chiamato Health Acoustic Representations (HeAR), che utilizza l’analisi audio per rilevare malattie potenzialmente letali. Questo approccio è particolarmente significativo per i ricercatori in India, dove la diagnosi precoce di malattie come la tubercolosi e altre condizioni critiche può fare una grande differenza nella vita dei pazienti.