Un altro studio mostra quanto l’intelligenza artificiale, ed in particolare il machine learning, possa risultare utile in medicina.
La ricerca, pubblicata su JAMA Open Network, si riferisce in questo caso agli algoritmi di apprendimento automatico che possono essere applicati alle immagini bioptiche utilizzate per diagnosticare le malattie.
In particolare il machine learning si arriverebbe utile, secondo i ricercatori dell’Università della Virginia e del Data Science Institute, per diagnosticare con facilità, e quindi curare con maggior dettaglio, le malattie intestinali dei bambini nelle aree povere.
Dove non c’è un adeguato accesso alle cure mediche e in generale ai servizi igienico-sanitari, infatti, il tasso di bambini che soffrono di patologie intestinali risulta sempre più alto della media.
È in particolare la disfunzione enterica ambientale (Environmental enteric dysfunction, EED), una malattia che non permette all’intestino di aggregare una quantità sufficiente di nutrienti essenziali, ad essere una di quelle più problematiche.
Questa malattia può infatti portare nei bambini anche ad un non sufficiente sviluppo del cervello e, nei casi più gravi, alla morte.
Questa malattia colpisce all’incirca il 20% dei bambini con un’età inferiore ai cinque anni nei paesi poveri, come ad esempio il Pakistan ma anche il Bangladesh e lo Zambia. Tuttavia, al di là della geografia, può colpire i bambini in tutte le zone rurali con un’assistenza medica insufficiente che sono presenti sostanzialmente anche nei paesi più ricchi, ad esempio le zone rurali della Virginia per gli Stati Uniti.
Per diagnosticare questa malattia esiste comunque un processo che in molti casi, quando la catena assistenziale è ridotta, può rivelarsi troppo lungo.
Sana Syed e Donald Brown hanno dunque creato un programma basato sull’apprendimento automatico che può aiutare a diagnosticare questa malattia. Il programma utilizza l’approccio basato sulle reti neurali convoluzionali grazie al quale ora il software, dopo la fase di addestramento, è in grado di trovare le minime differenze analizzando le immagini degli intestini dei pazienti per realizzare analisi più veloci ma anche più accurate.
Approfondimenti
- Assessment of Machine Learning Detection of Environmental Enteropathy and Celiac Disease in Children | Gastroenterology | JAMA Network Open | JAMA Network (IA) (DOI: 10.1001/jamanetworkopen.2019.5822)
