Come l'intelligenza artificiale dovrebbe supportare la medicina e la salute moderna con tutte le tecniche disponibili. L'uso di knowledge graphs e tecniche statistiche a complemento del machine learning. La complessità della materia e le fonti degli errori.
3. bob@ralexander.it
I personaggi
• Tanti setting diversi, media del pollo
• Pediatria
• Emergenza
• Psichiatria
• Cronicità
• Specialistiche
• Diagnostiche
• Interventistiche
• MMG
• Processo di comunicazione culturale
8. bob@ralexander.it
I personaggi
• Comunica problemi e desideri
• Differenziale terminologico (linguaggio corrente vs gergo tecnico)
• Idea semplificata di anatomia, fisiologia e patologia
• Dr. Google
• Aspettativa di infallibilità/onnipotenza della medicina
• Portatore più o meno consapevole di valori ed influenze
• Culturali
• Sociali
• Personali
• Etiche
• Comprensione ed aderenza alle raccomandazioni variabili
9. bob@ralexander.it
I personaggi
• Dialogo attivo
• Inizio processo abduttivo
• Elicitazione di conoscenza ed esperienza pregressa
• Studi formali
• Aggiornamenti società di riferimento e convegni
• Letteratura
• Dinamicità delle stesse
• Storia/situazione paziente per restringere/consolidare abduzione
• Anamnesi, visita, esami, consulti, lettere di dimissione etc.
• Dati, Informazioni, Comprensione
• Chiusura abduttiva e piano di azione e comunicazione
• Distorsioni (medicina difensiva, vincoli amministrativi etc.)
• Filtraggio del paziente attraverso le sue capacità e valori
14. bob@ralexander.it
Il Deep learning simula bene compiti che gli umani fanno “intuitivamente” (ragionamento
di tipo 1)
Il Deep Learning eccelle nel «Pattern matching».
e.g. «Visione»: Modellazione di variabili spaziali
NLP: Proprietà distributive del testo (nessuna «comprensione»)
IA «Data Driven»
Machine/Deep Learning/Reti Neurali
18. bob@ralexander.it
IA data driven
Punti di attenzione
• Qualità dei dati di training
• Rappresentatività dei dati di training
• Bias di genere, etnico etc
• Fragilità
• Modalità fallimento catastrofici
• Perturbazioni volontarie o accidentali
• Opacità
• Data Leakage
• Accettabilità
• Riflessi medico-legali
• Disp. medico? ISS, Terap. Digitale? AIFA
• Formazione degli utenti (Bugiardino della AI)
• AIOPS
J Allarmi fregatura: “accuratezza superiore all’umano”, “vede cose che l’umano non vede” J
20. bob@ralexander.it
IA Model driven (simbolica)
• Esplicita concetti, relazioni, ruoli, definizioni etc.
• Schema e dati in un modello unico
• Utilizza strumenti della logica descrittiva (eg motori ragionamento)
• Algoritmi di reasoning (eg conj.qa) e learning (graph embeddings e completion)
• Interpretabile sia da computer sia da umani
• Facilitazione dell’evoluzione da parte dei SME
• Estensione conoscenza semplicemente espressa con nuovi assiomi aggiuntivi
• Grande componibilità con risorse (ontologie) già sviluppate
• Knowledge graphs basati su standard e software aperti RDF*, Apache Jena etc
“Everything was small data before we had big data. The scientific
discoveries of the 19th and 20th centuries were all made using small
data. Darwin used small data. Physicists made all calculations by hand,
thus exclusively using small data. And yet, they discovered the most
beautiful and most fundamental laws of nature. Moreover, they
compressed them into simple rules in the form of elegant equations.
Einstein championed this with E=mc² . Although it’s estimated that
perhaps 60% to 65% of the 100 biggest innovations of our time are really
based on small data, current AI developments seem to focus mostly on big
data, forgetting the value of observing small samples.” M. Colangelo
22. bob@ralexander.it
Robert Alexander MD
bob@ralexander.it
Festival della scienza medica
Bologna
12 Maggio MMXXII
GRAZIE
Cosa augurarsi per concludere
• Che (per incomprensione o malizia) si smetta di usare l’intelligenza artificiale come un abracadabra
• Che l’intelligenza artificiale diventi abbastanza familiare per tutti (almeno a livello di piloti)
• Che codesti piloti capiscano cosa vogliono e cosa meccanici e produttori possono davvero fare per loro
• Che codesti meccanici e produttori usino tutte le tecnologie che abbiamo per risolvere problemi rilevanti
• Che l’intelligenza artificiale cominci ad aiutarci (assieme ad altre tecnologie) gestendo le cose noiose e sciocche
• Che l’accesso a queste tecnologie diventi etico, equo ed universalmente accessibile
• Che le tecnologie dell’informazione per la salute diventino semplici da usare come gli assistenti vocali di casa
• Che il 50% del tempo speso oggi per far funzionare I nostri programmi diventi il 5% e che il tempo liberato sia
restituito al colloquio ed all’empatia tra medico e paziente ed alla cura.
23. bob@ralexander.it
H. Sapiens: 100 miliardi di neuroni ma stessa
categorizzazione
Backup
C. Elegans: sistema nervoso di 302 neuroni (959 totali)
20 neuroni per cibarsi, 2 interneuroni, 282 somatici (68
sensoriali per chemiotassi, temp e tatto, inter e motori)