J. SAFRA SARASIN: L’intelligenza artificiale generativa ridisegna i confini del settore Healthcar

Beneficiari dell’Intelligenza Artificiale nel settore sanitario

L’healthcare rappresenta un caso d’uso importante per l’intelligenza artificiale generativa (Gen-AI), dato il carattere amministrativo dell’erogazione delle cure e le dimensioni del mercato (1 dollaro su 5 negli Stati Uniti viene speso per l’assistenza sanitaria). Gli strumenti di Gen-AI possono aiutare a sviluppare nuove soluzioni per la salute, a trattare i pazienti in modo più rapido e accurato e a migliorare gli esiti sanitari.

Servizi sanitari

Erogazione delle cure

La Gen-AI è in grado di ottimizzare lo stato attuale dell’assistenza ricevuta da un paziente, dalla programmazione al follow-up successivo alla visita, per migliorare i risultati (ad esempio i tempi per le visite dei pazienti) e prevenire cure d’emergenza, che hanno un alto costo. La maggior parte dei pazienti trova l’esperienza ostica e, di conseguenza, il 75% degli americani si reca al pronto soccorso piuttosto che aspettare l’appuntamento per una visita medica. Migliorare l’accesso e semplificare l’esperienza della visita medica potrebbe contribuire a cogliere un’opportunità di risparmio fino a 32 miliardi di dollari (secondo le stime di UnitedHealth) grazie a una maggiore adesione alle cure primarie. Amwell sta impiegando l’intelligenza artificiale per migliorare l’assistenza e la comunicazione tra una visita e l’altra, dove in precedenza l’interazione tra paziente e medico era limitata. Strumenti innovativi di IA generativa possono prevenire le riammissioni ospedaliere grazie all’impiego di assistenti digitali e chat bot per fornire assistenza post-dimissione. L’IA potrebbe anche prevedere le malattie rare sulla base delle cartelle cliniche, portando potenzialmente a soluzioni predittive.

Miglioramento dei piani di cura

L’intelligenza artificiale potrebbe migliorare gli esiti per i pazienti aiutandoli ad accedere alle cure e a gestirle. Potrebbe sbloccare i canali di distribuzione più efficaci, trovare i farmaci più economici nelle farmacie in base alla zona in cui si trova il paziente, migliorare i servizi di teleassistenza potenziati dall’intelligenza artificiale, la diagnosi e le funzioni di modellazione 3D. Inoltre, è in grado di creare una previsione dei risultati dei piani di trattamento completati e ChatGPT potrebbe redigere documenti per i fornitori, semplificando e migliorando la presentazione delle richieste di rimborso/codifica da parte dei fornitori per ridurre al minimo gli errori. L’assistente virtuale di UnitedHealthcare utilizza i dati dei pazienti raccolti attraverso le conversazioni, e continuerà ad accrescere la sofisticatezza del suo chatbot, leader del settore, offrendo raccomandazioni su programmi di wellness, cure virtuali, opportunità di risparmio e altro ancora. Un altro esempio, McKesson utilizza un algoritmo di machine learning proprietario per aiutare i membri a identificare i risparmi sui costi di prescrizione e le opzioni di terapia.

Diagnostica

L’intelligenza artificiale generativa può sfruttare set di dati sanitari ampi e diversificati per migliorare l’accuratezza diagnostica e la prognosi delle malattie. La diagnostica predittiva potenziata dall’intelligenza artificiale e dal machine learning può produrre esiti migliori e garantire un risparmio economico migliorando la stratificazione del rischio e consentendo di identificare e trattare più precocemente i pazienti a rischio più elevato. Freenome (non quotata) e Siemens Healthineers stanno utilizzando metodologie di intelligenza artificiale e machine learning per combinare i dati molecolari multi-omici di Freenome con i dati clinici e di imaging radiologico di Siemens per identificare nuovi biomarcatori nel cancro al seno, complementari a quelli identificati con le attuali tecniche di imaging.

Per fare un altro esempio, Guardant Health sfrutta l’IA per interrogare i dati genomici, epigenomici e proteomici per individuare segnali ematici di tumori in fase iniziale e sta collaborando con i partner per migliorare altre aree del flusso di lavoro diagnostico di screening precoce, ad esempio con Lunit che impiega l’IA per migliorare la diagnostica per immagini.

Sviluppo di farmaci basato sull’intelligenza artificiale

La Gen-AI potrebbe migliorare il processo di ricerca e sviluppo riducendo le tempistiche di sviluppo e migliorando l’efficienza della ricerca. L’AI/ML può anche ottimizzare i set di dati dei pazienti per generare intuizioni biologicamente rilevanti e clinicamente perseguibili per la scoperta di farmaci, la diagnostica e le sperimentazioni cliniche. AlphaFold di DeepMind è in grado di prevedere la struttura di quasi tutte le proteine conosciute, con implicazioni per settori quali la progettazione di farmaci e la sostenibilità ambientale. Le previsioni sulla struttura delle proteine potrebbero contribuire alla comprensione di malattie specifiche con un numero ridotto di gruppi di specialisti, ad esempio aiutando a identificare le proteine che hanno subito un malfunzionamento e a ragionare su come interagiscono. Queste intuizioni potrebbero consentire un lavoro più preciso sullo sviluppo di farmaci, integrando i metodi sperimentali esistenti per trovare più rapidamente trattamenti promettenti.

Integrazione dell’IA nei dispositivi indossabili

Il monitoraggio continuo del glucosio (CGM), il monitoraggio cardiaco e il neuromonitoraggio sono mercati chiave per l’utilizzo dell’IA. La tecnologia Zio di iRhythm utilizza algoritmi di deep/ machine learning per diagnosticare la fibrillazione atriale raccogliendo grandi quantità di dati di monitoraggio cardiaco. Con oltre 1 miliardo di ore di dati sul battito cardiaco raccolti, iRhythm si è affermata come leader del settore dell’IA e prevediamo che l’innovazione dell’azienda nell’analisi predittiva continuerà a distanziare le sue capacità di IA dai concorrenti e a fornire un fossato competitivo. monitor del glucosio e prevede di connettere gli utenti e i medici con i dati sanitari senza soluzione di continuità attraverso nuove app come Health Sharing e Health Records, uno strumento in grado di estrarre sette tipi principali di informazioni da oltre 200 fornitori di servizi sanitari.

Progressi nella diagnostica per immagini

La diagnostica per immagini (radiografie, risonanze magnetiche e ultrasuoni) potrebbe vedere un miglioramento dell’accuratezza grazie all’intelligenza artificiale visiva. Le sottili caratteristiche anatomiche della diagnostica per immagini possono essere rilevate dall’intelligenza artificiale, aiutando i radiologi a individuare le malattie. Il fornitore di patologia digitale Paige ha collaborato con Microsoft per costruire il più grande modello di IA al mondo basato sulle immagini per combattere il cancro, configurato con miliardi di parametri. Questo modello aiuta a catturare le sottili complessità del cancro e funge da pietra angolare per la prossima generazione di applicazioni cliniche e biomarcatori computazionali che spingono i confini dell’oncologia e della patologia. Diagnosi più rapide e precise potrebbero aumentare i volumi di interventi chirurgici, mentre l’IA applicata all’imaging pre- e post-operatorio potrebbe favorire l’innovazione dei dispositivi e il miglioramento dei risultati.

Migliorare la chirurgia robotica

L’IA potrebbe essere utilizzata per automatizzare le attività chirurgiche più semplici o per fornire dati intraoperatori più complessi a supporto del processo decisionale. L’utilizzo di cuffie a realtà aumentata potrebbe sostituire gli attuali sistemi di navigazione nella chirurgia mini-invasiva, compresa la robotica. Intuitive Surgical, leader nella robotica dei tessuti molli, sta pianificando l’applicazione della Gen-AI ai dati e alle immagini delle procedure per identificare la variabilità chirurgica, valutando così le capacità dei chirurghi e suggerendo le corrispondenti opportunità di sviluppo.