C’è vita oltre l’AI?

Focus

L’intelligenza artificiale, in particolare la Generative AI, sta rapidamente diventando un punto di riferimento nella nostra vita quotidiana. Sia che la utilizziamo come spunto per produrre contenuti o fare ricerche sia che ci giochiamo per creare action figure con le nostre fattezze, non passa giorno che non veniamo in contatto con qualche contenuto di GenAI.

Sarebbe però riduttivo limitarci agli aspetti più superficiali di questa tecnologia senza tenere conto di applicazioni che sono davvero in grado di rivoluzionare settori importanti per il benessere delle persone, come per esempio la sanità. Naturalmente, queste applicazioni richiedono sistemi di AI che siano validati in modo rigoroso e addestrati su specifici dati medici. I modelli generici di AI generativa, infatti, sono inadeguati per l'uso clinico, in cui precisione, affidabilità e sicurezza sono fondamentali.

Una delle sfide che i medici si trovano ad affrontare è raccogliere una sufficiente quantità di dati associati alle malattie rare senza violare la privacy dei pazienti, ed è qui che entrano in campo i modelli generativi e i dati sintetici, contrapposti ai modelli discriminanti.

I modelli discriminanti sono progettati per distinguere tra diversi tipi di istanze di dati. Matematicamente, catturano le probabilità di una determinata circostanza ma richiedono una grande quantità di dati per essere addestrati e lavorano per confronto. Questo può essere un problema quando la quantità di dati all’origine non consente di effettuare confronti rilevanti dal punto di vista statistico.

Di contro, i modelli generativi sono in grado di produrre nuove istanze di dati che assomigliano ai dati originali e ciò significa che apprendono la distribuzione sottostante dei dati per deduzione; soprattutto sono in grado di generare nuovi dati sintetici.

I dati sintetici sono generati artificialmente e imitano il mondo reale, condividendo le stesse proprietà statistiche dei dati reali che emulano ma senza contenere informazioni del mondo reale. Questo li rende preziosi per le applicazioni di ricerca medica sulle malattie rare, dove i dati reali sono scarsi e soprattutto possono essere sensibili e quindi non condivisibili.

Tra i numerosi vantaggi dei dati sintetici nella ricerca medica, vi sono la capacità di essere generati illimitatamente, l’assenza di informazioni personali, e quindi la protezione della privacy dei pazienti, e l’assenza di bias e pregiudizi, che consente di addestrare i modelli in maniera più obiettiva migliorando l’equità dei risultati.

Invece, non bisogna ignorare le complessità associate all’utilizzo dei dati sintetici, prima fra tutte il fatto che questi non possono sostituire del tutto i dati reali e il fatto che – per loro natura – non possono tenere conto di anomalie e unicità.

Utilizzati con intelligenza, i dati sintetici sono un importante passo avanti nel definire il futuro della tecnologia sanitaria, dove l'AI e l'eccellenza operativa si uniscono per migliorare la vita dei pazienti, accelerare la scoperta di farmaci e ottimizzare i processi clinici.

Tre domande a

• Francesca Maggi, Solution Consulting Senior Manager - Veeva

Innovazioni come l’intelligenza artificiale, o come lo è stata l’elettricità o l’arrivo di internet, portano con sé profondi cambiamenti. È evidente l’impatto tecnologico che stiamo vivendo in tutti i settori. Nel mondo life sciences questo si traduce sicuramente in una profonda accelerazione in come portiamo valore al paziente: sviluppo di nuovi farmaci, ricerca clinica, medicina personalizzata.

Ma ogni innovazione richiede anche un adattamento culturale e di processi. Le sfide per le aziende riguarderanno l’armonizzazione dell’enorme mole di dati che l’intelligenza artificiale richiede, l’adeguamento delle normative vigenti per permettere di sfruttare davvero il valore dell’AI, e infine l’integrazione dell’intelligenza artificiale nei flussi di lavoro esistenti. In questo processo, l'intelligenza artificiale non andrà a sostituire le persone, ma anzi, andrà ad affiancarle, in modo da poterle supportare al meglio.

Veeva lavora per creare un ecosistema in cui il dialogo tra aziende e professionisti della salute sia continuo e orientato al paziente. In che modo l’AI può supportare le aziende farmaceutiche nel costruire una comunicazione più chiara, personalizzata e interattiva con gli operatori sanitari, contribuendo a una migliore comprensione dei farmaci e a risultati terapeutici più efficaci?

Una comunicazione personalizzata e vicina alle esigenze dei professionisti sanitari è essenziale per creare relazioni di fiducia e migliorare i risultati terapeutici per i pazienti. In un contesto in cui l'accesso ai clinici è limitato, essere efficaci e flessibili nelle interazioni è fondamentale. L’intelligenza artificiale diventa così un alleato chiave per generare valore, supportando le aziende farmaceutiche nella scelta dei clinici con cui interagire, nella selezione dei messaggi chiave da discutere, dei canali da utilizzare, sfruttando al massimo strumenti come le e-mail e la messaggistica istantanea.

Allo stesso tempo, l'accesso a informazioni organizzate permette ai team che interagiscono direttamente con i clienti di garantire uno scambio scientifico di alto valore, dove ogni interazione si costruisce su quella precedente, potenziando la comprensione dei farmaci e l'efficacia delle terapie.

Quando si parla di AI e farmaceutica, spesso si pensa subito a innovazione e velocità. Ma come si concilia tutto questo con un tema fondamentale come la compliance? Secondo te, in che modo l’intelligenza artificiale può aiutare le aziende a rispettare le normative senza rallentare i processi, anzi magari rendendoli ancora più sicuri ed efficienti?

Bisogna considerare due aspetti fondamentali. Innanzitutto, i benefici che l’intelligenza artificiale può generare per aiutare le aziende a rispettare le normative in modo più efficiente. Basti pensare alla potenza dell’AI nell’analisi automatizzata di documenti regolatori, nel monitoraggio delle modifiche alle normative, nel rilevamento di potenziali rischi.

D’altro canto, la compliance può portare, anche indirettamente, a delle limitazioni nell’utilizzo dell’intelligenza artificiale, ad esempio generando incertezza sulle normative di privacy e su come i dati sensibili dovranno essere gestiti e archiviati. Diventa quindi essenziale che i legislatori supportino le aziende in questa nuova epoca, fornendo quanto più possibile delle regole chiare che non ostacolino lo sviluppo delle nuove tecnologie, e che anzi lo favoriscano