Secondo il Think Tank Digitalhealth 360, le applicazioni sperimentali dell’Intelligenza Artificiale che hanno dato finora dei risultati apprezzabili come miglioramento della salute possono essere distinte in quattro categorie:
1) Diagnostica
2) Valutazione del rischio di morbilità o mortalità
3) Previsione e sorveglianza delle epidemie
4) Pianificazione sanitaria.
In campo diagnostico, ad esempio per l’identificazione precoce della tubercolosi da radiografie del torace e per l’individuazione della malaria da immagini di microscopio, sono state ad esempio sperimentate tecniche di machine-learning e signal-processing che hanno mostrato sensibilità, specificità e accuratezza sorprendentemente alte.
Quanto alla valutazione del rischio di morbilità e mortalità, sono stati applicati sistemi di data-mining e machine-learning su dati amministrativi di strutture sanitarie allo scopo di prevedere la gravità della malattia in pazienti con febbre dengue e malaria e in bambini con infezioni acute, oltre che per quantificare il rischio di fallimento dei trattamenti farmacologici in questi casi.
Inoltre, sono stati realizzati studi sulla sorveglianza delle epidemie applicando l’Intelligenza Artificiale e Big Data raccolti da sensori satellitari e ciò si è rivelato utile per caratterizzare e realizzare modelli ad alta precisione per prevedere la trasmissione virale del virus Zika e del virus della dengue, nonché la trasmissione della malaria.
Infine, in tema di pianificazione sanitaria sono stati utilizzati sistemi di apprendimento automatico per i dati amministrativi. Tra gli obiettivi:
– ottimizzare l’allocazione delle risorse in base alle problematiche sanitarie prevalenti in una certa area geografica;
– migliorare i programmi di visita degli operatori sanitari di comunità;
– fare previsioni sul numero di visite ambulatoriali in un dato ospedale;
– predire la durata necessaria del soggiorno degli operatori sanitari in comunità svantaggiate.