Come l’Intelligenza Artificiale sta rendendo il mondo un posto migliore
Alle volte dobbiamo renderci conto che non siamo solamente fatti di business e intorno a noi c’è un intero mondo che ha un sacco di problemi.
E l’Intelligenza Artificiale potrebbe essere la soluzione?
Andiamoci piano per rispondere…
Nessuna persona sana di mente direbbe che l’Intelligenza Artificiale sia davvero la soluzione a tutti i mali del mondo, fatta eccezione per quei 4 fuffaroli che vogliono far credere sostanzialmente che l’Intelligenza Artificiale è l’Elisir per tutti i mali del mondo.
Noi lo ripetiamo da sempre: l’Intelligenza Artificiale non è un Elisir, ma questo non significa che non può dare un contributo estremamente positivo per rendere il mondo un posto migliore.
Per questo motivo, in questa puntata #75 abbiamo deciso di parlare di come l’Intelligenza Artificiale può aiutarci a rendere il mondo un posto migliore.
1. Sostegno nella diagnosi del cancro esofageo
Il primo caso viene dai ricercatori dell’University College London Hospital che, assieme a Odin Vision, specializzata nello sviluppo di soluzioni di Intelligenza Artificiale per la diagnosi medica, hanno sviluppato un sistema che migliora la diagnosi nell’ambito della lotta al cancro esofageo.
Il cancro esofageo è, ahinoi, una delle forme tumorali più aggressive al mondo: meno del 20% delle persone supera i 5 anni di vita dal momento della diagnosi.
E il 25% dei cancri all’esofago non viene diagnosticato proprio perché non ci sono strumenti adatti: per diagnosticarlo è necessario portare una telecamera all’interno dell’esofago del paziente sedato, facendo affidamento alla capacità del medico che deve riuscire a trovare le modifiche del tessuto, sia a livello di colore che di struttura.
La cosa positiva è che un’accurata e tempestiva diagnosi può portare ad un trattamento di successo nel 90% dei casi.
Questo è uno dei tipici esempi molto positivi, in cui vediamo come dando tante immagini etichettate al sistema per addestrarlo – con l’aiuto di medici esperti -, quest’ultimo può supportare medici meno esperti.
Il risultato è quello che, applicando l’Intelligenza Artificiale ad uno strumento di diagnosi, questo può essere utilizzato su larga scala anche da medici non esperti, migliorando sensibilmente la qualità della diagnosi.
2. Lotta contro la pesca illegale
Nel mondo ci sono delle zone dedicate alla pesca e delle quantità finite di pesce da catturare.
Questo sistema condiviso a livello internazionale genera molti dati.
OceanMind, un’organizzazione che utilizza l’Intelligenza Artificiale per combattere la pesca illegale, attraverso questi dati raccolti – trasmettitori a bordo delle imbarcazioni, immagini satellitari, radar e segnali telefonici – ha costruito un sistema che può recuperare questi dati in tempo reale, analizzarli e suggerire alle forze dell’ordine su quale barca senza licenza o senza permessi intervenire.
Questo è uno degli esempi più interessanti perché a fronte di una mole di dati sempre più crescente, la capacità di monitorarli in tempo reale e avere una cognizione del contesto è riuscita a darla solo l’implementazione dell’Intelligenza Artificiale.
3. Lotta al traffico di esseri umani
Il traffico di essere umani è uno dei crimini più eclatanti e profittevoli del mondo: oggi si stima che ci siamo fra i 20 e i 45 milioni di vittime di traffico di esseri umani nel mondo.
I trafficanti di esseri umani, oltretutto, sono difficili da scovare perché riescono a rimanere nell’ombra tramite il deep web, i telefoni criptati e altre strumentazioni illegali.
E le forze dell’ordine, utilizzando metodi “tradizionali” di raccolta e analisi dei dati, fanno molta fatica riuscire a combattere questo fenomeno.
La Global Emancipation Network (GEN) aiuta gli investigatori e le forze dell’ordine dando tutta una serie di dati sul traffico e raccogliendo informazioni da sorgenti molto importanti di dati.
Infatti, a furia di processare dati, hanno realizzato – in collaborazione con Accenture, Splunk e Graphistry – un sistema di classificazione di contenuti sul traffico di esseri umani basato sull’Intelligenza Artificiale, Artemis.
Artemis è un sistema basato sul machine learning che raccoglie dati da più fonti, come le licenze commerciali, informazioni di pubblico dominio come gli inadempimenti, recensioni online ecc., per identificare le realtà che potrebbero essere più facilmente coinvolte nel traffico di esseri umani.
Tutte queste informazioni servono a supportare le forze dell’ordine nell’investigazione.
Il machine learning che estrae informazioni di qualità da una grossa mole di dati permette di supportare gli investigatori che possono così concentrarsi a metterci il loro valore aggiunto.
Un primo risultato di Artemis è stato ottenuto andando ad analizzare i centri di massaggi in Florida, dove le forze dell’ordine hanno scoperto ben 465 centri con il più alto livello di rischio, con un’altissima probabilità che fossero coinvolti nel traffico di esseri umani.
4. Ridurre il gender bias nel publishing
Ringier è un’azienda svizzera che opera nel publishing che ha sviluppato EqualVoice, una piattaforma che viene utilizzata per analizzare la presenza negli articoli di giornale, negli spettacoli, nei video, della presenza in egual misura di donne e uomini.
Questo serve per riuscire a controllare e misurare le conseguenze del cosiddetto “gender bias“.
Ringier ha sviluppato un motore semantico che analizza le citazioni di uomini e donne all’interno degli articoli e, conseguentemente, anche un sistema di image recognition per individuare la presenza di uomini e donne all’interno delle immagini.
Viene usato un Teaser Score, che valuta la presenza di entrambi i generi nelle immagini, nei titoli o nei paragrafi iniziali, mentre il Body Score analizza l’interno del testo, quindi i contenuti degli articoli che vengono pubblicati e analizzati.
Lavorando a questo livello, cioè tenendo sotto controllo e monitorando le varie pubblicazioni, un report della World Association New Publisher ha dimostrato che all’interno della readership di Ringier c’è parità di uomini e donne al 50%.
Per capirci, Ringier è riuscita a portare alla parità la presenza di uomini e di donne a livello di citazioni, immagini e testi, all’interno delle loro pubblicazioni.
5. Sostegno alla lotta contro il Covid
È stato uno degli argomenti più chiacchierati dell’anno scorso e lo è tutt’ora.
L’anno scorso in piena pandemia sono proliferate le aziende (dalle start-up alle grandi aziende) che si sono messe a disposizione per creare delle soluzioni e delle iniziative tecnologiche per poter contrastare l’espansione della pandemia.
Potremmo definire tre livelli diversi di tecnologie che hanno contribuito alla lotta contro il Covid.
A. Strumenti che velocizzano la diagnosi per rilevare il Covid e lo stato di salute del paziente
B. Strumenti per l’implementazione di terapie farmacologiche (come i vaccini)
C. Strumenti che creano modelli previsionali il più attendibili possibile
In questo ambito ci sono state tante sperimentazioni, tante pubblicazioni.
Ci terremo ancora una volta a condividere il progetto a cui abbiamo partecipato noi, ICLUS (Italian Covid Lung Ultrasound), di cui abbiamo già parlato l’anno scorso.
Il progetto riguarda l’implementazione di un sistema di Intelligenza Artificiale per diagnosi e monitoraggio della polmonite da Covid-19 tramite l’analisi automatica di immagini ecografiche.
Tutti sappiamo che uno dei problemi più gravi che porta il Covid-19 sono le infezioni ai polmoni, quindi problemi legati alla respirazione.
Fino a qualche anno fa, i metodi di diagnosi più efficaci erano la lastra o la TAC toracica, mentre oggi abbiamo a disposizione uno strumento in più che è l’ecografo.
Tramite l’ecografo non riusciamo ad andare in profondità come la TAC, ma riusciamo a vedere discretamente bene la superficie del polmone con tutta una serie di vantaggi rispetto agli altri sistemi di diagnosi, come per esempio la possibilità di farlo a casa della persona malata.
Noi ci abbiamo creduto talmente tanto che assieme all’Università e altri partner abbiamo fondato una start-up, UltraAI, che ha come obiettivo proprio implementare e sviluppare ulteriormente questi algoritmi per l’analisi automatica delle immagini ecografiche.
Noi abbiamo implementato questa tecnologia l’anno scorso in piena pandemia, il che ci ha permesso di raccogliere un quantitativo molto alto di dati, e oggi questo database ci è utile per migliorare gli algoritmi e per estendere le possibilità anche su altre patologie polmonari, non solo collegate al Covid-19.
I risultati che stiamo avendo oggi sono veramente straordinari perché il sistema in automatico analizza l’immagine ecografica e restituisce uno Score Index, che è un punteggio correlato allo stato di salute del polmone.
Sulla base di questo numero possiamo ratificare il paziente, quindi di stabilire se è il caso di ricoverarlo o no, e qual è la terapia più adatta per aumentare la probabilità che non vada a finire in terapia intensiva, in buona sostanza.
Questo è stato attualmente adottato da più di 500 centri in giro per il mondo.
Sono state fatte anche delle verifiche per terminare il grado di affidabilità, ovvero se i numeri che dà in output l’Intelligenza Artificiale, come sono rispetto alle capacità degli operatori.
Ciò che abbiamo visto è che l’Intelligenza Artificiale si comporta come un operatore esperto.
Per diventare operatore esperto di ecografie polmonari ci vogliono dieci anni, perciò è evidente che avere a disposizione una tecnologia di questo tipo permette di dare un contributo notevole a tutto ciò che riguarda la diagnosi e il monitoraggio delle patologie polmonari tramite le ecografie.
