Il sistema di intelligenza artificiale sviluppato dai ricercatori dell'University College London e Babylon Health, un fornitore di servizi medici nel Regno Unito, si basa sulla causalità piuttosto che sulla correlazione per individuare cosa potrebbe esserci di patologico nelle persone.  È più accurato dei sistemi di intelligenza artificiale preesistenti e ha persino superato i risultati ottenuti dai medici nella vita reale in un piccolo studio controllato.

  A differenza dei tradizionali sistemi di IA, che identificano la malattia più probabile in base ai sintomi presentati da un paziente, il sistema di IA causale imita più da vicino il modo in cui un medico diagnostica i pazienti: utilizzando domande specifiche per restringere la gamma delle possibili condizioni.

  I programmi di IA che diagnosticano le malattie stanno iniziando ad assistere pazienti e sostituire i medici in piccoli studi controllati.

 La differenza tra correlazione e causalità è importante in medicina.  Un paziente potrebbe presentarsi in ospedale con difficoltà di respiro.  Un programma di  IA basata sulla correlazione può collegare la mancanza di respiro con il sovrappeso e il sovrappeso con il diabete di tipo 2, quindi raccomandare l'insulina.  Un sistema basato sulla causalità potrebbe invece concentrarsi sul legame tra mancanza di respiro e asma e quindi esplorare altre opzioni di trattamento.

 "Ci siamo proposti di riportare la causalità nel quadro generale, in modo da poter davvero trovare le malattie che causano i sintomi nel paziente e aiutarli sulla base di ciò", afferma Ciarán Gilligan-Lee dell'University College London, uno degli autori della pubblicazione.

  Al sistema sono stati forniti 1671 riepiloghi di casi medici realistici sviluppati da più di 20 medici, che hanno valutato sintomi per circa 350 diverse malattie.  Un gruppo di 44 medici del National Health Service (NHS) del Regno Unito ha anche studiato una media di 159 di questi casi ciascuno, cercando di capire cosa c'era che non andava.  Hanno diagnosticato il caso correttamente in media il 71,4% delle volte, mentre un vecchio programma di intelligenza artificiale basata sulla correlazione aveva ragione il 72,5% delle volte.  Il progetto basato sulla casualità forniva diagnosi corrette il 77,3 per cento delle volte.

  Quando si è trattato di valutare un sottoinsieme di malattie particolarmente rare come il linfoma non Hodgkin, i nuovi programmi di IA hanno comunque superato i medici.  In questi casi, era circa il 30% migliore rispetto al vecchio sistema di intelligenza artificiale.  Tuttavia, i medici sono stati più bravi nell'identificare i problemi più comuni, probabilmente perché li incontrano frequentemente, sostiene Gilligan-Lee.  L’autore ha in programma di chiedere l'approvazione normativa e la convalida clinica per il sistema, con l'obiettivo di inserirlo all'interno di un'app in cui i pazienti possono ottenere consigli sui sintomi e sul trattamento.

  "Stanno descrivendo un nuovo approccio tecnico a un problema", afferma Xiaoxuan Liu della University Hospitals Birmingham NHS Foundation Trust, Regno Unito, che ha condotto ricerche sui sistemi di deep learning medico.  "La metodologia nel documento è molto buona e la tecnica sembra mostrare alcune promesse".

  Il fatto che il sistema superi le prestazioni dei medici nella diagnosi delle malattie rare è eccitante, dice Liu, anche se avverte che il programma è in una fase iniziale e il numero di riepiloghi dei casi era relativamente piccolo.  “Dobbiamo vedere come funziona nei casi del mondo reale, dove l’anamnesi non è molto chiara ed a volte coesistono più malattie che interagiscono

 https://www.ryderitalia.it/index.php/medicina-e-societa/123-lo-psicoterapeuta-virtuale-il-web-puo-combattere-la-depressione

  Per saperne di più: https://www.newscientist.com/article/2251492-ai-mimics-the-way-doctors-think-to-make-better-medical-diagnoses/#ixzz7NtP2hcEe