en

AI-SCoRE:
Artificial Intelligence – Sars Covid Risk Evaluation

7 Dicembre 2020

Tempo di lettura: 4 minuti

 

Il progetto è partito durante la prima ondata della pandemia, con l’obiettivo di usare l’intelligenza artificiale per risolvere uno dei problemi principali riscontrati durante i primi mesi dell’emergenza sanitaria: prevedere e calcolare il rischio di mortalità per Covid-19 a partire dai dati clinici dei pazienti positivi e ricoverati in ospedale al fine di indirizzarne correttamente e in tempi rapidi il percorso terapeutico.

In questo momento siamo alle fasi finali di rilascio e integrazione con i sistemi informatici dell’ospedale San Raffaele di Milano, in modo da renderlo facilmente accessibile e utilizzabile dal personale medico, affinché diventi uno strumento di uso quotidiano durante questa seconda ondata e contestualmente si proceda alla validazione del modello sul campo, con i dati dei pazienti attualmente ricoverati e positivi al Covid-19.


“La ricerca è una chiave fondamentale per contrastare il Covid-19, per una maggior conoscenza del virus e dei suoi effetti e per incrementare la capacità di risposta anche alle emergenze future”
è con le parole del vicepresidente di Regione Lombardia che si apre il comunicato stampa relativo all’assegnazione dei fondi per i progetti vincitori del bando da 7,5 milioni di euro “Covid-19: insieme per la ricerca di tutti” che ha unito Regione Lombardia, Fondazione Cariplo e Fondazione Umberto Veronesi.

I progetti finanziati sono 27 e coinvolgono Università, Aziende Socio Sanitarie Territoriali e Imprese. Tra questi c’è AI-SCoRE, acronimo di Artificial Intelligence – Sars Covid Risk Evaluation, che ci ha visti lavorare a stretto contatto con l’Università Vita-Salute San Raffaele, ASST Bergamo EST, Centro Cardiologico Monzino Spa e Porini Srl, con il contributo di Microsoft e NVIDIA.

 

La prima fase del progetto ha visto l’impegno di 15 ospedali del Nord Italia duramente colpiti durante i primi mesi della pandemia che hanno messo a disposizione dati clinici, demografici e radiologici relativi a circa 1800 pazienti. I dati sono stati analizzati per valutarne qualità e consistenza e individuare i parametri che maggiormente influenzano il decorso ospedaliero del paziente e sono stati usati per allenare diversi modelli di machine learning e intelligenza artificiale, al fine di individuare quello più adatto per la stima del rischio di mortalità a partire dai parametri rilevati all’ammissione del paziente in ospedale. I risultati migliori sono stati ottenuti con un modello di regressione logistica, facendo registrare una performance comparabile a studi simili recentemente pubblicati. Infine è stata sviluppata una versione Bayesiana del modello che consente una maggiore interpretabilità della predizione. In questo modo è stato possibile associare un grado di incertezza al valore di rischio calcolato, elemento di fondamentale importanza per fare in modo che il medico possa tenere sotto controllo il giudizio del sistema di intelligenza artificiale che lo affianca nella propria pratica lavorativa e prendere decisioni sulla base di informazioni puntuali e verificabili.


L’aspetto innovativo del progetto è proprio legato all’utilizzo concreto negli ospedali dei modelli sviluppati
, reso possibile dalla piattaforma tecnologica sviluppata ad hoc, in conformità con le normative sullo sviluppo di software come medical device e con la giurisprudenza in tema di privacy. Attraverso l’infrastruttura messa in campo, siamo in grado di offrire alle strutture ospedaliere l’esecuzione dei modelli nei tempi richiesti, la tracciabilità completa dei dati e dei modelli (tramite un sistema di versioning) e il monitoraggio real-time delle performance. Inoltre, attraverso logiche di active learning i modelli verranno automaticamente migliorati giorno dopo giorno, sulla base dei nuovi dati a disposizione in modo che le predizioni diventino sempre più accurate e utili ai medici che le useranno per definire il miglior percorso terapeutico per il paziente specifico.

 

A metà marzo di quest anno la rivista MIT Technology Review titolava: “AI could help with the next pandemic—but not with this one”.

L’autore, Will Douglas Heaven, citava famosi sistemi che usano l’intelligenza artificiale per monitorare e prevedere fenomeni complessi come le pandemie, interrogandosi sul perchè non avessero funzionato nel caso del Covid-19 e arrivando alla conclusione che

“AI will not save us from the coronavirus—certainly not this time. But there’s every chance it will play a bigger role in future epidemics—if we make some big changes. Making the most of AI will take a lot of data, time, and smart coordination between many different people.”

Crediamo che il progetto AI-SCoRE possa essere un esempio concreto di come approcciare un progetto di intelligenza artificiale complesso, il cui scopo vada ben oltre la replicazione dell’attività diagnostica di un singolo specialista, ma che si prefigga di usare queste tecniche per ottenere quello sguardo d’insieme che solo un’equipe di medici potrebbe avere in tempi e modi non compatibili con quelli dell’emergenza sanitaria che stiamo vivendo. I modelli e la piattaforma implementati vogliono essere uno strumento nelle mani degli operatori sanitari per gestire la situazione attuale e per usare il patrimonio informativo e d’esperienza raccolto in questi mesi per creare nuova conoscenza utile alla gestione delle future emergenze.

Partners: Università Vita-Salute San Raffaele, ASST Bergamo EST, Centro Cardiologico Monzino Spa e Porini Srl, con il contributo di Microsoft e NVIDIA.

Vuoi approfondire altri progetti sui quali abbiamo lavorato?
Vai alla sezione our case histories.