IN EVIDENZATECNOLOGIA

Il ruolo di algoritmi e AI nell’emergenza Covid-19

Anche la tecnologia e l'intelligenza artificiale possono contribuire a facilitare il lavoro delle istituzioni e della medicina.

Parlare di Covid-19 è quasi inevitabile nelle ultime settimane, vista la grave crisi mondiale e, in particolare, nazionale, che l’outbreak pandemico ha innescato. Il nostro Paese sta attraversando uno dei periodi più bui della sua storia recente, risultando particolarmente colpito dalla diffusione del virus. Le statistiche dei contagi e delle vittime rimbalzano ormai ovunque, e meritano la giusta diffusione e tutti gli spazi di approfondimento sia televisivi che giornalistici. In questo articolo, tuttavia, si vuole affrontare il tema da un punto di vista differente: quello dell’intelligenza artificiale.

Quali sono le armi che gli algoritmi di AI ci forniscono nella battaglia contro il temibile avversario? Proviamo a passare in rassegna alcuni degli studi e degli strumenti principali, che potrebbero rivelarsi dei buoni alleati nella cruciale sfida di modellare l’evoluzione epidemiologica e contribuire a contenerla.

Algoritmi e modelli epidemiologici

Prima di addentrarci in una carrellata di possibili impieghi dell’AI nella comprensione degli eventi di crescita e diffusione dei virus, è di sicuro importante menzionare che il punto di partenza per ogni applicazione è la modellazione matematica degli stessi fenomeni epidemiologici, il cui sviluppo risale già ad un secolo fa e oltre.

In particolare, i primi studi di rappresentazione dell’impatto delle malattie infettive come l’influenza, la peste, l’HIV, si basano sulle ricerche effettuate nel 1927 dagli studiosi Kermack e McKendrick, che hanno proposto un modello denominato SIR, acronimo di ‘Susceptible, Infected, Recovered’ (esposti, infetti e guariti), ossia le tre principali categorie di individui in cui si può compartimentare una popolazione durante l’evoluzione di una epidemia o pandemia.

Tale modello è stato proposto per spiegare la dinamica di variazione del numero di infetti durante alcune manifestazioni particolarmente gravi, come la peste di Londra nel 1665 e di Bombay nel 1906, ed è stato nel corso dei decenni successivi soggetto a miglioramenti e raffinamenti, mediante i quali è stato possibile mettere a punto nuovi e più aggiornati metodi matematici.

Un altro concetto chiave nella modellazione matematica in epidemiologia è il cosiddetto tasso netto di riproduzione, speso indicato in letteratura col simbolo R0, che rappresenta il numero di nuovi casi generati in media da un singolo caso durante il proprio periodo infettivo, in una popolazione di individui esposti, ma inizialmente non infetti.

Applicazioni dell’AI in epidemiologia

Come ci si poteva attendere, visto l’analogo impatto in altri settori, l’intelligenza artificiale negli ultimi anni sta modificando profondamente le metodologie e gli approcci anche nel settore sanitario, a partire dall’analisi dei dati clinici per il supporto alle valutazioni diagnostiche fino all’impiego di robotica per le operazioni chirurgiche: OggiScienza ha già affrontato in  passato questi temi.

Per quel che riguarda l’epidemiologia, gran parte delle applicazioni sono nel campo del predictive analytics, o analisi predittiva, una disciplina che studia l’impiego di algoritmi di intelligenza artificiale per predire, a partire da dati storici, i possibili sviluppi futuri e gli impatti sulla popolazione della diffusione di una specifica malattia infettiva.

Se opportunamente implementati e utilizzati, tali algoritmi possono rappresentare un notevole supporto alle istituzioni governative e alle organizzazioni sanitarie di un paese, fornendo indicazioni sui meccanismi di diffusione di un’epidemia e, possibilmente, sulle metodologie da impiegare per contrastarla nel modo più efficace possibile, basandosi sulle predizioni effettuate.

Caratteristiche e limiti degli algoritmi di predizione

Come è naturale attendersi, persino il più sofisticato algoritmo di predizione non è un oracolo: i modelli sfruttano i dati storici per costruire un andamento del fenomeno in esame, basandosi su alcune assunzioni sulla forma di questo andamento, e sulla concomitanza di alcuni eventi di portata rilevante, come l’adozione di massive ed estese misure di contenimento a livello nazionale o internazionale. Le forme ed equazioni si ricavano dalla nostra conoscenza ed esperienza della dinamica dei fenomeni epidemiologici, e su alcune assunzioni sulle condizioni specifiche in cui la dinamica si è innestata, che sono variegate e differenti da caso a caso.

In aggiunta, le informazioni nascoste o non disponibili come per esempio un elevato numero di infetti non documentato o rilevato, possono determinare un aumento notevole nell’incertezza della stima fornita dall’algoritmo.

Altra questione riguarda la corrispondenza nei comportamenti reali dei cittadini alle misure di contenimento imposte, che possono trovare una resistenza molto differente in base al mindset della popolazione a cui vengono applicate: tale resistenza può, naturalmente, falsare completamente l’esito di una predizione.

Per riassumere, la bontà di una predizione algoritmica dipende sostanzialmente da due fattori: la qualità e la completezza dei dati a disposizione, e il senso di responsabilità delle istituzioni e, soprattutto, dei cittadini di una nazione, che vista l’entità della minaccia devono accettare di cambiare, seppur temporaneamente, il loro stile di vita, per consentire di vincere l’ardua battaglia.

AI contro COVID-19

Veniamo al caso specifico del Coronavirus. Tenendo conto delle barriere e delle difficoltà sopra menzionate, come può essere perfezionata l’applicazione dell’intelligenza artificiale, visto il carattere e lo stato della sua evoluzione pandemica?
La gravità della situazione attuale, che ha già comportato in molti paesi la necessità di imporre severe restrizioni della libertà dei cittadini, mai sperimentate dal dopoguerra ai giorni nostri, lascia ancora spazio per l’adozione di strategie potenzialmente più efficaci identificate tramite l’AI?

Una prima mobilitazione generale in questa direzione risale ad alcuni giorni fa, negli Stati Uniti, dove un gruppo di specialisti e ricercatori in ambito tecnologico e sanitario ha lanciato una collaborazione globale denominata CORD-19 per raccogliere un insieme di dati da migliaia di pubblicazioni scientifiche incentrate sul Coronavirus: 29.000 articoli a disposizione su un sito web per consentire a tutti i data scientists e programmatori in ambito AI in giro per il mondo di sviluppare e testare algoritmi che, sfruttando l’imponente base di dati, non presentino le lacune sopra descritte e forniscano stime e informazioni caratterizzate da minore incertezza.

L’iniziativa include come partners la National Library of Medicine, Microsoft, l’Allen Institute of AI, il Georgetown University’s Center for Security and Emerging Technology, la Chan Zuckerberg Initiative (che prende il nome da Mark Zuckerberg, il fondatore di Facebook, e sua moglie Priscilla Chan), e Kaggle, che fa parte di Google/Alphabet.
Un vero e proprio pool di titani tecnologici, scesi in campo per tentare di opporre resistenza alla diffusione del Covid-19, che sta colpendo in modo così duro il mondo intero.

Basterà? Probabilmente è presto per dirlo. Frattanto, con un occhio alla ricerca sui vaccini e un altro agli algoritmi di predizione, la migliore strategia per i cittadini resta sempre quella di aderire alle raccomandazioni e prescrizioni di una ormai vasta maggioranza di istituzioni governative, e limitare il più possibile i contatti sociali.
Come ormai è chiaro ai più, questo fattivo senso di responsabilità sarà l’arma più efficace per sconfiggere la pandemia nel tempo più breve possibile.


Leggi anche: Quando e come finirà l’epidemia di COVID-19: gli scenari più probabili

Articolo pubblicato con licenza Creative Commons Attribuzione-Non opere derivate 2.5 Italia.   

Immagini: Pixabay

Condividi su
Gianpiero Negri
Laureato in Ingegneria Elettronica, un master CNR in meccatronica e robotica e uno in sicurezza funzionale di macchine industriali. Si occupa di ricerca, sviluppo e innovazione di funzioni meccatroniche di sicurezza presso una grande multinazionale del settore automotive. Membro di comitati scientifici (SPS Italia) e di commissioni tecniche ISO, è esperto scientifico del MIUR e della European Commission e revisore di riviste scientifiche internazionali (IEEE Computer society). Sta seguendo attualmente un corso dottorato in matematica e fisica applicata. Appassionato di scienza, tecnologia, in particolare meccatronica, robotica, intelligenza artificiale e matematica applicata, letteratura, cinema e divulgazione scientifica, scrive per Oggiscienza dal 2015.