II ruolo dell’intelligenza artificiale nella pratica clinica e nella formazione sanitaria: un modello governato e human-in-the-loop
Barra laterale dell'articolo
Contenuto principale dell'articolo
Abstract
L’Intelligenza Artificiale (IA) sta assumendo un ruolo crescente nella pratica clinica, nella ricerca e nella formazione sanitaria. Tuttavia, la sua introduzione solleva interrogativi rilevanti in termini di sicurezza, appropriatezza e responsabilità professionale.
Scopo di questo contributo è analizzare il ruolo dell’IA come strumento di supporto governato, con particolare riferimento all’ambito neurologico e alla formazione degli operatori sanitari. Viene inoltre descritto un modello applicativo di IA offline, supervisionata da un board scientifico e integrata con avatar digitali, presentato al Forum Risk Management in Sanità con il supporto tecnologico di Hinteract Srl (Italy).
Tale modello si fonda sul principio dell’“human in the loop” e si configura come strumento di facilitazione del confronto e della partecipazione attiva, senza sostituire il giudizio clinico né la responsabilità professionale.
Downloads
Dettagli dell'articolo
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale 4.0 Internazionale.
Riferimenti bibliografici
• European Parliament. Artificial intelligence: definition and use. European Union; 2020.
• World Health Organization. Ethics and governance of artificial intelligence for health. Geneva: WHO; 2021.
• Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44–56.
• Rajpurkar P, Chen E, Banerjee O, Topol EJ. AI in health and medicine. Nat Med. 2022;28(1):31–38.
• Esteva A, Robicquet A, Ramsundar B, et al. A guide to deep learning in healthcare. Nat Med. 2019;25(1):24–29.
• Kelly CJ, Karthikesalingam A, Suleyman M, Corrado G, King D. Key challenges for delivering clinical impact with artificial intelligence. BMC Med. 2019;17:195.
• Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019;6(2):94–98.
• He J, Baxter SL, Xu J, Xu J, Zhou X, Zhang K. The practical implementation of artificial intelligence technologies in medicine. Nat Med. 2019;25(1):30–36.
• Winstein CJ, Stein J, Arena R, et al. Guidelines for adult stroke rehabilitation and recovery. Stroke. 2016;47(6):e98–e169.
• Powers WJ, Rabinstein AA, Ackerson T, et al. 2018 Guidelines for the early management of patients with acute ischemic stroke. Stroke. 2018;49:e46–e110.
• Saver JL, Goyal M, van der Lugt A, et al. Time to treatment with endovascular thrombectomy and outcomes. JAMA. 2016;316(12):1279–1288.
• Adams HP Jr, del Zoppo G, Alberts MJ, et al. Guidelines for the early management of adults with ischemic stroke. Stroke. 2007;38:1655–1711.
• Collins GS, Moons KGM. Reporting of artificial intelligence prediction models in medical research. BMJ. 2019;365:l737.
• Sendak MP, D’Arcy J, Kashyap S, et al. A path for translation of machine learning products into healthcare delivery. EMJ Innov. 2020;4(1):19–26.
• Price WN, Cohen IG. Privacy in the age of medical big data. Nat Med. 2019;25(1):37–43.
• Shortliffe EH, Sepúlveda MJ. Clinical decision support in the era of artificial intelligence. JAMA. 2018;320(21):2199–2200.
• Cochrane Collaboration. Cochrane Handbook for Systematic Reviews of Interventions. Version 6.3; 2022.
• Greenhalgh T, Wherton J, Papoutsi C, et al. Beyond adoption: a new framework for theorizing and evaluating nonadoption, abandonment, and challenges to the scale-up of health and care technologies. J Med Internet Res. 2017;19(11):e367.