E’ stato pubblicato il volume internazionale “Vascular Surgery: A Look to the Future” (Edizioni Minerva Medica), un testo che esplora le nuove frontiere della chirurgia vascolare.
All’interno di quest’opera, ho co-firmato il capitolo 4.1, focalizzato su uno dei temi più cruciali della medicina contemporanea: la transizione dalla semplice raccolta dati all’intelligenza predittiva.
In collaborazione con Paolo Servi, Emiliano Chisci e Stefano Michelagnoli, abbiamo analizzato come l’Intelligenza Artificiale, il Machine Learning e la tecnologia dei sensori stiano ridefinendo non solo la ricerca, ma la pratica clinica quotidiana. Non si tratta più solo di digitalizzare le cartelle cliniche, ma di trasformare i dati in strumenti attivi per la diagnosi precoce e la personalizzazione delle cure.
Di seguito presento un abstract esteso (tradotto dall’inglese) del nostro intervento e l’indice completo del volume.
Abstract del Capitolo 4.1
Digital patient data: Artificial Intelligence, Machine Learning and sensor technology in the new era of research and clinical data collection
L’evoluzione della medicina moderna è intrinsecamente legata alla capacità di interpretare i dati. Il capitolo traccia il percorso storico dalla documentazione cartacea ai sistemi EHR (Electronic Health Records), evidenziando come la semplice digitalizzazione non sia più sufficiente. L’avvento dell’Intelligenza Artificiale (AI) e del Machine Learning (ML) offre oggi nuove prospettive per sfruttare l’enorme mole di dati clinici disponibili.
I punti chiave trattati nel capitolo includono:
-
L’ecosistema dei dati: Analisi delle fonti moderne, dalle cartelle cliniche elettroniche ai registri di ricerca, fino ai dati non strutturati provenienti dai social media e dalle app per la salute.
-
Sensori e monitoraggio remoto: Focus sull’impatto dei dispositivi indossabili (wearable) e impiantabili. Viene citata la sperimentazione del nostro centro sul monitoraggio remoto della pressione arteriosa nei pazienti con sindrome aortica acuta tramite braccialetti ottici (es. Aktiia), che permettono un controllo continuo basato su fotopletismografia (PPG).
-
Radiomica e Imaging: L’applicazione di algoritmi ML alla diagnostica per immagini (TC, angiografie) per estrarre “feature” quantitative invisibili all’occhio umano. La radiomica si dimostra promettente nella segmentazione degli aneurismi aortici e nella predizione delle complicanze post-operatorie, come gli endoleak.
-
Metodologie di Analisi: Una disamina tecnica degli algoritmi supervisionati (per classificazione e regressione), non supervisionati (clustering per identificare sottogruppi di pazienti) e reti neurali profonde (CNN e RNN) applicate all’analisi di immagini e serie temporali.
-
Sfide Etiche e Tecniche: Il capitolo affronta le criticità legate alla privacy dei dati, ai bias degli algoritmi, alla responsabilità legale in caso di errore diagnostico da parte dell’AI e alla necessità di interoperabilità tra i sistemi sanitari.
Il futuro della chirurgia vascolare risiede nella collaborazione multidisciplinare tra clinici e data scientist, per creare un ecosistema in cui l’AI non sostituisce il medico, ma ne potenzia le capacità decisionali.