Molestie sessuali? Ci pensa l’intelligenza artificiale. Intelligenza artificiale per ottimizzare il flusso dei turisti. L’intelligenza artificiale ha creato un album black metal. Google crea un’intelligenza artificiale capace di creare altre intelligenze artificiali. L’intelligenza artificiale e i soldati robot mettono piede in parlamento. Sono solo le prime cinque tra le notizie rilanciate da Twitter nel giorno in cui scriviamo. Enormi aspettative, dunque, e solo qualche dubbio a cui rispondono i commentatori più determinati.
Machine learning e intelligenza artificiale sono l’argomento del giorno, anche se giornalisti come Gianni Riotta lamentano che siano fuori dall’agenda della politica e dai temi della campagna elettorale che si è aperta nelle ultime settimane. Sono argomento d’attualità e al vertice dell’hype cycle delle tecnologie emergenti creato e aggiornato annualmente dall’agenzia Gartner. E la cosa più clamorosa è che si tratta di new entry, non essendo state considerate negli scorsi anni [1]. Hype cycle sta per “andamento ciclico dell’esagerazione” perché la teoria elaborata una decina d’anni fa da Jackie Fenn e Mark Rasino, formalizzata in un libro di successo, Mastering the hype cycle [2], è che trasformare un’idea o un prototipo in un prodotto affidabile è questione di anni, forse di decenni. “L’esagerazione si muove più veloce del progresso”, quindi, e nasce spesso dal successo di una singola tecnologia o dalla sua applicazione a un ambito specifico: il cosiddetto breakthrough attiva l’attenzione degli “early adopter” e degli “evangelist” che in questi casi non mancano mai e sono in prima linea per sollecitare l’attenzione del pubblico su tutto ciò che promette di essere “disruptive” per il sistema. Ed è quindi la volta dei media, generosamente disponibili a utilizzare i superlativi annunciando che il Futuro (con la maiuscola) è alle porte: anzi, ci siamo già entrati. Un’enfasi forse eccessiva, però, non significa che una grande novità annunciata non si traduca poi in un’innovazione capace di trasformare le relazioni umane, le dinamiche economiche e produttive. Alla fine, spiega Fenn in un’intervista a Slate, è una questione di tempo [3].
Il rischio che a una sopravvalutazione delle potenzialità dell’applicazione dell’intelligenza artificiale alla medicina corrisponda successivamente una fase di disillusione è reale [4]. Ma occorre considerare che la digital health – forse il primo gradino del machine learning in sanità – è più probabile che abbia un hype cycle più rallentato, perché quello di salute e medicina è un mercato di riferimento più complesso e difficile di altri: protezione brevettuale stringente, controlli regolatori, difficoltà dei pazienti ad agire come veri e propri “consumatori” fino in fondo liberi di scegliere, controllo delle dinamiche assistenziali da parte dei medici, molto spesso prudenti nei riguardi dell’innovazione [5]. Il futuro descritto dagli evangelisti del machine learning è troppo bello per essere vero, sostiene Ezekiel J. Emanuel, medico e bioeticista non nuovo ai lettori di Forward [6], in un breve saggio uscito sul Wall Street Journal [7]. Tecnologie e machine learning cambieranno i modi con cui è erogata l’assistenza e con cui sono effettuate molte prestazioni sanitarie, tuttavia non risolveranno il problema maggiore della sanità nei paesi a economia avanzata: cambiare i comportamenti delle persone. Il cambiamento radicale, spiega Emanuel, può giungere solo dalla riduzione del numero dei cittadini che soffrono di malattie che dipendono dalla cattiva alimentazione, dallo scarso esercizio e dall’abitudine di fumare.
Ma cosa c’entra tutto questo con l’intelligenza artificiale? C’entra perché la tecnologia non si è ancora dimostrata utile per migliorare l’aderenza alle prescrizioni del medico, tanto che riguardino l’assunzione di medicinali quanto lo stile di vita. Emanuel cita diversi esempi, tra cui uno studio che ha messo a confronto pazienti con scompenso cardiaco teleassistiti con altri assegnati a un’assistenza ordinaria e che non ha mostrato differenze di sopravvivenza o di nuovi ricoveri. “Il monitoraggio continuo promesso dalla tecnologia è evidentemente uno spreco”, anche perché le persone che più potrebbero beneficiarne, gli anziani, sono quelle che hanno meno dimestichezza con il tech. Gli argomenti sollevati dalla nota sul Wall Street Journal si ricollegano allo stato della mobile health, che non esaurisce le potenzialità del machine learning ed è solo un aspetto molto elementare dell’apporto delle tecnologie alla salute. Un articolo sul New England Journal of Medicine sottolinea come stia ancora muovendo i primi passi: a fronte delle oltre 1200 app mediche già catalogate, non disponiamo di prove della loro efficacia per migliorare la salute dei cittadini: “la gran parte dei programmi non è valutata in modo sensato e la letteratura è dominata da casi clinici e studi di piccole dimensioni” [8].
Queste critiche sembrano a molti un po’ conservatrici: davvero siamo fermi alla contrapposizione tra high-tech e high-touch, tra tecnologia ed empatia e contatto umano?
Bibliografia
[1] Columbus L. Gartner’s Hype cycle for emerging technologies, 2017 adds 5G and deep learning for first time. Forbes, 15 agosto 2017.
[2] Feun J, Raskino M. Mastering the hype cycle. Boston: Harvard Business Press, 2002.
[3] Oremus W. The never-ending hype cycle. Slate, 4 giugno 2014.
[4] Chen JH, Asch SM. Machine learning and prediction in medicine: beyond the peak of infl ated expectations. New Engl J Med 2017;376:2507-9.
[5] Hixon T. Digital health slides down the back side of the hype curve. Forbes, 10 ottobre 2016.
[6] Ambrosino F. Saper guardare dietro le apparenze. Recenti Prog Med 2017; suppl Forward 5; S29-S31.
[7] Emanuel EJ. The hype of virtual medicine. Wall Street J, 10 novembre 2017.
[8] Roess A. The promise, growth, and reality of mobile health: another data-free zone. New Engl J Med 2017;377:2010-1.
© 