Esperienze e opinioni

Molti di noi hanno visto i propri cari diventare prede di un disturbo neurologico. All'inizio si notano cambiamenti nei loro modelli di linguaggio, e poi la loro andatura diventa meno stabile, poi diventano più lenti nel complesso. Queste condizioni peggiorano mentre avanzano nella malattia. Per ogni azione che facciamo, diamo al mondo alcune prove indirette della nostra salute neurologica.

Prendiamo il modo di parlare come esempio. È un'attività ingannevolmente complicata. Dobbiamo pensare alle parole per trasmettere il nostro messaggio, organizzare le parole in conformità alle regole del nostro linguaggio e attivare più di 100 muscoli per produrre un discorso intelligibile. Questo processo richiede un coordinamento in più aree del cervello. Se c'è una perturbazione anche in una sola di queste regioni, appare evidente nel parlato che ne deriva. Quello che diciamo e come lo diciamo è in realtà una finestra nella salute del nostro cervello. Dopo tutto, anche solo alcuni cocktail influenzano il cervello in modi che possiamo percepire con le nostre orecchie e gli occhi nudi.

Noi, come professori della Arizona State University (partner di Slate e New America in Future Tense), facciamo ricerca sull'intersezione tra dati analitici e disturbi neurologici. E ci siamo chiesti: e se potessimo misurare gli aspetti delle attività quotidiane come parlare, camminare e digitare, per quantificare oggettivamente e tracciare la salute e la funzione del nostro cervello nel tempo?

Vedi lo smartphone. Le applicazioni mobili e web che usiamo, monitorano coerentemente i nostri modelli quotidiani. Ogni volta che inviamo e-mail, effettuiamo una chiamata, scriviamo un messaggio su Facebook o registriamo uno snap su Snapchat, stiamo fornendo prove indirette della nostra salute neurologica. Secondo una stima, ogni giorno, le persone passano in media 4 ore sul loro smartphone. I nostri telefoni contengono vari sensori che possono fornire informazioni rilevanti per la salute, come ad esempio il nostro modo di parlare e di comunicare, dove andiamo, la velocità del movimento e come cambiamo le nostre espressioni facciali.

Ciò significa che c'è una opportunità significativa per sfruttare queste nuove fonti di dati per migliorare il processo decisionale e la diagnosi nei campi medici. Immagina che un professionista sanitario sia in grado di monitorare il discorso di tua zia nelle telefonate, per ottimizzare il suo farmaco del Parkinson. Immagina degli algoritmi applicati alle e-mail del tuo nonno che il suo medico può usare per tenere traccia della progressione dell'Alzheimer. Immagina un monitor telefonico che avvisa una famiglia che il figlio potrebbe aver smesso di prendere il farmaco per il disturbo bipolare al college, in base a delle modifiche insolite dei suoi schemi quotidiani.

Nel nostro lavoro usiamo i principi della elaborazione dei segnali, di matematica e di analisi del parlato/linguaggio per risolvere quello che in termini di ingegneria chiamiamo «problema inverso»: cosa possiamo dire sulla salute neurologica di un individuo in base ai dati di lungo termine? Come prova di concetto, abbiamo lavorato su dati retrospettivi e opportunistici di fonti pubbliche per testare i nostri algoritmi. Il nostro primo studio di casi è stato il presidente Ronald Reagan, diagnosticato con Alzheimer nel 1994. Analizzando la complessità del linguaggio usato nelle conferenze stampa, abbiamo individuato i cambiamenti linguistici che erano coerenti con la demenza sei anni prima della sua diagnosi ufficiale nel 1994. Allo stesso modo, l'analisi computazionale delle interviste su YouTube del defunto pugile Muhammad Ali ha rivelato un lento rallentamento e un farfugliare del suo parlato in linea con il Parkinsonismo ben prima della sua diagnosi ufficiale nel 1984.

Più di recente abbiamo effettuato un'analisi simile sui giocatori attivi della National Football League per individuare i potenziali segnali precoci di encefalopatia traumatica cronica (CTE). Questo studio ha dimostrato che ci sono cambiamenti clinicamente interpretabili e preoccupanti nell'uso del linguaggio dei giocatori attivi della NFL. Le loro frasi sono diventate più semplici di anno in anno e la dimensione del vocabolario si è ridotta. Variazioni simili sono state osservate nelle popolazioni con lieve deterioramento cognitivo e demenza. Ora ci siamo messi insieme all'industria e alle cliniche per valutare prospettivamente questa analisi del parlato e del linguaggio su larga scala nazionale.

Tutto questo è molto promettente. Tuttavia, i medici non possono ancora diagnosticare qualcuno da lontano solo con i dati dello smartphone. Prima di poter usare queste nuove fonti di dati per informare il processo decisionale clinico, dobbiamo superare alcune importanti sfide tecniche. Anche se abbiamo visto di recente importanti progressi nell'applicazione di macchine e nell'intelligenza artificiale (IA), questo lavoro è stato ampiamente guidato dalle applicazioni al consumo, e Google, IBM, Facebook, Microsoft e Amazon aprono la strada. Queste aziende hanno sviluppato modelli di apprendimento profondi che ottengono prestazioni quasi umane su determinati compiti, anche se i loro lavori sono in gran parte incomprensibili per gli utenti umani. La maggior parte delle persone usa l'Echo di Amazon senza capire gli algoritmi IA che sono alla base del motore di riconoscimento vocale. E per la maggior parte, non hanno bisogno di sapere. Se il tuo Echo non ti capisce, semplicemente ripeti la frase finché non lo fa o ti arrendi.

Ma le applicazioni sanitarie sono fondamentalmente diverse. Le ripercussioni di una diagnosi errata possono essere letali. Ecco perché i medici sono prudenti nel fare affidamento solo su l'IA per una diagnosi. Per costruire la fiducia, i medici devono avere accesso a prove interpretabili che confermano qualsiasi diagnosi o valutazione fatte da un motore di IA. Questi algoritmi dovrebbero non solo fornire una diagnosi finale, ma anche l'evidenza interpretabile del motivo per cui è stata presa una decisione. Ad esempio, un motore IA che prevede una diagnosi finale di Parkinson può provare questa affermazione fornendo informazioni aggiuntive riguardanti l'andatura dell'uomo, gli schemi del discorso, il tremore, ecc. Queste metriche sono interpretabili dai medici quando appaiono sulle batterie di test esistenti per diagnosticare la malattia. Anche se recentemente abbiamo visto progressi verso questo obiettivo, la strada è ancora lunga.

Oltre agli ostacoli tecnici, ci sono anche sfide politiche. Come trovare l'equilibrio tra benefici massimi sanitari e privacy? La maggior parte di noi accetta che Facebook, Google e Snapchat possano vendere i nostri dati per la pubblicità mirata; in cambio, ci forniscono servizi che per noi valgono. Ci va ugualmente bene che le stesse aziende vendano i nostri dati ai fornitori di assicurazione sanitaria per la valutazione dei rischi? E se gli utenti adottano azioni basate su questi dati senza consultazione medica? Quali sono le responsabilità etiche di Facebook se determina che qualcuno è a rischio di un disturbo dell'umore in base alle modifiche della cronologia di interventi di un utente? Quali sono le responsabilità del medico se prende una decisione errata sulla base di informazioni provenienti da un motore IA?

Queste sono domande complicate che possono richiedere ulteriori regole. L'innovazione tecnica nell'IA sta superando l'innovazione politica necessaria per affrontare i cambiamenti significativi che vedremo in futuro. E quel futuro si sta avvicinando prima di quanto tutti noi pensiamo.