Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#News
{{{sourceTextContent.title}}}
DOMANDE E RISPOSTE. Uso dell'IA per prevedere i focolai di malattia
{{{sourceTextContent.subTitle}}}
Negli ultimi anni gli sviluppi tecnologici hanno visto i medici e le organizzazioni passare sempre più spesso da un'assistenza sanitaria reattiva a un'assistenza sanitaria proattiva.
{{{sourceTextContent.description}}}
Mentre l'uso di modelli predittivi per mitigare l'insorgenza di malattie non è una novità, i progressi dell'intelligenza artificiale (IA) consentono ora di sviluppare questi modelli in strumenti altamente efficaci. Fondata nel 2015, AIME (Artificial Intelligence in Medical Epidemiology) è una start-up pionieristica con sede negli Stati Uniti che utilizza l'analisi dei grandi dati e l'apprendimento automatico per prevedere in tempo reale il luogo e il momento di epidemie di malattie infettive. MedicalExpo e-magazine ha incontrato il Dr. Helmi Zakariah, CEO Asia-Pacifico di AIME, per saperne di più sulla tecnologia e le sue applicazioni.
MedicalExpo e-magazine: Come funziona AIME? Quali sono le sue caratteristiche più innovative?
Dottoressa Helmi Zakariah: AIME è un sistema scalabile, in tempo reale e multipiattaforma che coinvolge applicazioni web e applicazioni mobili, il tutto collegato attraverso un database unificante. Una delle caratteristiche principali del sistema è un bot chiamato REDINT, che cerca automaticamente in più di 40 diverse banche dati di epidemiologia, meteo e dati geografici. L'elaborazione di questi dati attraverso l'apprendimento automatico consente al sistema di prevedere e geolocalizzare i focolai di malattie.
Nei casi in cui si prevede che più focolai si verifichino simultaneamente, l'AIME è in grado di creare un indice di prioritizzazione in tutta la regione colpita, in modo che insetticidi, larvicidi e risorse umane possano essere impiegati nel modo più efficace. Ciò consente agli operatori sanitari pubblici di prevenire le epidemie con la migliore linea di azione preventiva.
ME e-mag: Quanto è preciso l'AIME?
Dottoressa Helmi Zakariah: Affinché AIME possa essere implementato con successo, deve essere utilizzato in tutto il settore sanitario, dalle cliniche comunitarie fino agli ospedali regionali. Senza un flusso continuo di nuovi dati sull'incidenza della malattia, la piattaforma è resa inefficace.
Durante i test della nostra piattaforma Dengue Outbreak Prediction in Malesia e Brasile, il sistema ha previsto dove si sarebbero verificati i focolai con una precisione fino all'88%, con tre mesi di anticipo e in un raggio di 400 metri"
Se riceve tali dati, tuttavia, l'AIME continuerà ad imparare. La sua precisione e la sua efficacia d'intervento diventano quindi costantemente più elevate. Durante i test della nostra piattaforma Dengue Outbreak Prediction in Malesia e Brasile, il sistema ha previsto dove si sarebbero verificati i focolai con una precisione fino all'88%, con tre mesi di anticipo e in un raggio di 400 metri. Questa piattaforma è ora utilizzata in Malesia, Brasile e Filippine per aiutare gli operatori sanitari a gestire e contenere le epidemie.
ME e-mag: Quali sono i tuoi piani per AIME ora? A cosa stai lavorando?
Dottoressa Helmi Zakariah: Grazie ad un consenso globale sulla sorveglianza delle malattie e ad iniziative quali i regolamenti sanitari internazionali dell'Organizzazione mondiale della sanità, si stanno già generando enormi quantità di dati sulla salute e sulle malattie. Tuttavia, le competenze e la capacità di analizzare tali dati non sono così sviluppate.
L'uso dell'IA per scoprire modelli e marcatori nascosti alla vista e le analisi statistiche convenzionali hanno aperto una serie di nuove ed entusiasmanti possibilità. Un esempio è un nostro nuovo progetto incentrato sulla previsione della resistenza agli antibiotici. Ciò rappresenta un enorme allontanamento dall'approccio diagnostico convenzionale per combattere la resistenza antimicrobica. Scommettiamo che l'IA può diventare diagnostica quanto un kit di test rapidi, ma invece di usare il sangue, usiamo i dati per misurare la probabilità.
Scommettiamo che l'IA può diventare diagnostica quanto un kit di test rapidi, ma invece di usare il sangue, usiamo i dati per misurare la probabilità"
Vogliamo anche creare dispositivi per la diagnosi di tubercolosi e malaria e software per la diagnosi di retinopatia diabetica.
ME e-mag: Verrà un giorno in cui potremo prevedere tutte le epidemie prima che si manifestino?
Dottoressa Helmi Zakariah: La tecnologia si sta sviluppando a un ritmo esponenziale. Poco più di un decennio fa, contrarre l'HIV era una condanna a morte - ora è più probabile che si muoia per un incidente d'auto che per l'AIDS (forse vedremo questo cambiamento statistico mentre si evolve la guida autonoma). Se abbiamo le giuste fonti di dati, il giusto quadro normativo e il giusto approccio allo scambio di dati, non vedo perché non possiamo prevedere i focolai di colera e di altre malattie nello stesso modo in cui possiamo attualmente prevedere l'insorgenza di uno tsunami.
{{medias[33673].description}}