I tre aspetti da considerare:
Quali sono le prospettive a livello globale per il settore delle scienze della vita - e come la tecnologia ne sta influenzando la crescita e lo sviluppo.
Qual è lo stato di avanzamento nelle aree in cui l’intelligenza artificiale è già integrata con le scienze della vita
Quali sono i rischi emergenti e l'impatto sui settori correlati, incluso quello assicurativo.
Nel panorama in continua evoluzione delle scienze della vita, l’integrazione dell’intelligenza artificiale e di altre tecnologie promette di ridefinire l’approccio ai pazienti. Dalla semplificazione degli studi clinici al miglioramento della progettazione dei farmaci e dello sviluppo dei dispositivi, il potenziale innovativo legato ai trend attuali è molto promettente.
Ma quale sarà l’impatto sul settore assicurativo? Quali sono le probabili implicazioni per il mercato, soprattutto in riferimento ai rischi emergenti?
Quali sono le prospettive a livello globale per il settore delle scienze della vita - e come la tecnologia ne sta influenzando la crescita e lo sviluppo.
Qual è lo stato di avanzamento nelle aree in cui l’intelligenza artificiale è già integrata con le scienze della vita
Quali sono i rischi emergenti e l'impatto sui settori correlati, incluso quello assicurativo.
Nel panorama in continua evoluzione delle scienze della vita, l’integrazione dell’intelligenza artificiale e di altre tecnologie promette di ridefinire l’approccio ai pazienti. Dalla semplificazione degli studi clinici al miglioramento della progettazione dei farmaci e dello sviluppo dei dispositivi, il potenziale innovativo legato ai trend attuali è molto promettente.
Ma quale sarà l’impatto sul settore assicurativo? Quali sono le probabili implicazioni per il mercato, soprattutto in riferimento ai rischi emergenti?
Cos’è il settore delle scienze della vita?
Le scienze della vita rappresentano uno dei settori economici dominanti a livello mondiale. Il termine “scienze della vita e della salute” si riferisce all’applicazione della biologia e della tecnologia per il miglioramento della salute delle persone e degli animali. I prodotti caratteristici includono le biotecnologie, i prodotti farmaceutici, i dispositivi medici di classe 1, 2 e 3, gli strumenti informatici per la salute e i prodotti nutraceutici.
Inoltre, il termine comprende anche i servizi professionali come le organizzazioni di produzione clinica, i distributori, la diagnostica e le organizzazioni di ricerca clinica.
Le scienze della vita rappresentano uno dei settori economici dominanti a livello mondiale. Il termine “scienze della vita e della salute” si riferisce all’applicazione della biologia e della tecnologia per il miglioramento della salute delle persone e degli animali. I prodotti caratteristici includono le biotecnologie, i prodotti farmaceutici, i dispositivi medici di classe 1, 2 e 3, gli strumenti informatici per la salute e i prodotti nutraceutici.
Inoltre, il termine comprende anche i servizi professionali come le organizzazioni di produzione clinica, i distributori, la diagnostica e le organizzazioni di ricerca clinica.
Trend promettenti
L’integrazione dell’intelligenza artificiale (IA) e di altre tecnologie all’avanguardia promette di riformare il settore sanitario in molti aspetti, soprattutto per quanto riguarda il suo approccio alla centralità del paziente. Tra i fattori che promuovono l’uso dell’IA nelle scienze della vita troviamo la crescita significativa della disponibilità di dati, i grandi progressi negli algoritmi e il dovere politico e morale di rispondere in modo più efficace alle esigenze mediche non soddisfatte.
La disponibilità di dati sanitari è aumentata notevolmente negli ultimi decenni, grazie all’evoluzione dei meccanismi di raccolta delle fonti, tra cui cartelle cliniche elettroniche, dati di sequenziamento genomico, studi di diagnostica per immagini e sensori indossabili. Tutto questo ha permesso a ricercatori e professionisti di migliorare la comprensione delle malattie, delle potenziali terapie e delle risposte dei pazienti. L’elaborazione efficace di una serie di dati sempre più ampia rappresenta una sfida, ma le soluzioni innovative basate sull’intelligenza artificiale promettono di fornire una soluzione.
Gli algoritmi di apprendimento automatico, che permettono ai computer di imparare dai dati e di fare previsioni e/o assumere decisioni, hanno fatto passi da gigante negli ultimi anni, come ampiamente dimostrato da strumenti di IA generativa quali ChatGPT. Gli algoritmi di IA ora sono in grado di analizzare ampie serie di dati con una velocità e una precisione senza precedenti, scoprendo modelli, correlazioni e analisi che non sono facilmente accessibili o identificabili per gli esseri umani. Questi progressi hanno aperto nuove possibilità per le scienze della vita: dalla scoperta di farmaci e studi clinici alla medicina personalizzata e alla specializzazione dei dispositivi medici.
Gli algoritmi di intelligenza artificiale possono analizzare enormi dataset con una velocità e una precisione senza precedenti.
Fig. 1: probabili vantaggi dell’integrazione dell’IA nel campo delle scienze della vita
L’integrazione dell’intelligenza artificiale (IA) e di altre tecnologie all’avanguardia promette di riformare il settore sanitario in molti aspetti, soprattutto per quanto riguarda il suo approccio alla centralità del paziente. Tra i fattori che promuovono l’uso dell’IA nelle scienze della vita troviamo la crescita significativa della disponibilità di dati, i grandi progressi negli algoritmi e il dovere politico e morale di rispondere in modo più efficace alle esigenze mediche non soddisfatte.
La disponibilità di dati sanitari è aumentata notevolmente negli ultimi decenni, grazie all’evoluzione dei meccanismi di raccolta delle fonti, tra cui cartelle cliniche elettroniche, dati di sequenziamento genomico, studi di diagnostica per immagini e sensori indossabili. Tutto questo ha permesso a ricercatori e professionisti di migliorare la comprensione delle malattie, delle potenziali terapie e delle risposte dei pazienti. L’elaborazione efficace di una serie di dati sempre più ampia rappresenta una sfida, ma le soluzioni innovative basate sull’intelligenza artificiale promettono di fornire una soluzione.
Gli algoritmi di apprendimento automatico, che permettono ai computer di imparare dai dati e di fare previsioni e/o assumere decisioni, hanno fatto passi da gigante negli ultimi anni, come ampiamente dimostrato da strumenti di IA generativa quali ChatGPT. Gli algoritmi di IA ora sono in grado di analizzare ampie serie di dati con una velocità e una precisione senza precedenti, scoprendo modelli, correlazioni e analisi che non sono facilmente accessibili o identificabili per gli esseri umani. Questi progressi hanno aperto nuove possibilità per le scienze della vita: dalla scoperta di farmaci e studi clinici alla medicina personalizzata e alla specializzazione dei dispositivi medici.
Gli algoritmi di intelligenza artificiale possono analizzare enormi dataset con una velocità e una precisione senza precedenti.
Fig. 1: probabili vantaggi dell’integrazione dell’IA nel campo delle scienze della vita
Li’ntegrazione dell’IA mette in discussione anche il ruolo e lo status dei soggetti già operanti nel settore, tra cui le autorità di regolamentazione, che talvolta rispondono in modo lento e incoerente tra i diversi mercati nel disciplinare l’uso dell’IA. Anche il cambiamento del ruolo dei pazienti, sempre più autonomi nel definire e nel gestire la somministrazione di farmaci e l'accesso all’assistenza sanitaria in generale, porterà a cambiamenti nell’esposizione al rischio.
Principali aree di sviluppo
Scoperta di farmaci
L’intelligenza artificiale è in grado di ridurre significativamente i tempi e i costi necessari per immettere sul mercato nuovi farmaci, aumentando al tempo stesso le probabilità di successo.
In passato, il percorso che portava dalla scoperta di un farmaco all’approvazione sul mercato era caratterizzato da tempi lunghi, costi esorbitanti e tassi di fallimento elevati. Secondo diverse fonti, il costo per immettere un nuovo farmaco sul mercato supera spesso il miliardo di dollari, con tempi di sviluppo che arrivano in media a 10-15 anni.
L’integrazione dell’intelligenza artificiale è destinata a cambiare questa situazione. Le piattaforme per la scoperta di farmaci basate sull’intelligenza artificiale sfruttano algoritmi sofisticati per analizzare enormi librerie di strutture molecolari, prevedere l’attività biologica di potenziali candidati farmaci e ottimizzare le loro proprietà chimiche in termini di efficacia e sicurezza. Queste piattaforme consentono ai ricercatori di identificare in modo più efficiente i candidati farmaci promettenti, di dare priorità ai composti guida per un’ulteriore valutazione e di accelerare le fasi di sviluppo preclinico e clinico.
Scoperta di farmaci
L’intelligenza artificiale è in grado di ridurre significativamente i tempi e i costi necessari per immettere sul mercato nuovi farmaci, aumentando al tempo stesso le probabilità di successo.
In passato, il percorso che portava dalla scoperta di un farmaco all’approvazione sul mercato era caratterizzato da tempi lunghi, costi esorbitanti e tassi di fallimento elevati. Secondo diverse fonti, il costo per immettere un nuovo farmaco sul mercato supera spesso il miliardo di dollari, con tempi di sviluppo che arrivano in media a 10-15 anni.
L’integrazione dell’intelligenza artificiale è destinata a cambiare questa situazione. Le piattaforme per la scoperta di farmaci basate sull’intelligenza artificiale sfruttano algoritmi sofisticati per analizzare enormi librerie di strutture molecolari, prevedere l’attività biologica di potenziali candidati farmaci e ottimizzare le loro proprietà chimiche in termini di efficacia e sicurezza. Queste piattaforme consentono ai ricercatori di identificare in modo più efficiente i candidati farmaci promettenti, di dare priorità ai composti guida per un’ulteriore valutazione e di accelerare le fasi di sviluppo preclinico e clinico.
Sperimentazioni cliniche
L’intelligenza artificiale può rivoluzionare anche le sperimentazioni cliniche, tuttora caratterizzate da problemi come ritardi nel reclutamento, protocolli inefficienti e costi elevati. Secondo un articolo di marzo 2024 pubblicato sulla rivista Nature, negli ultimi 60 anni il numero di farmaci approvati negli Stati Uniti per ogni miliardo di dollari spesi in ricerca e sviluppo si è dimezzato ogni nove anni. Scenari simili si sono verificati anche in altri mercati, come quello europeo, dove la concomitanza di burocrazia e complessità operativa ha determinato un aumento dei costi delle sperimentazioni cliniche e dello sviluppo dei farmaci in generale.
Sfruttando l’analisi basata sull’intelligenza artificiale, i ricercatori possono migliorare le strategie di reclutamento dei pazienti, individuare in modo più efficiente i candidati idonei e ottimizzare i protocolli di sperimentazione per garantire risultati più rapidi e affidabili. La creazione di modelli predittivi basati sull’intelligenza artificiale aiuterà i ricercatori anche a prevedere con maggiore precisione i tassi di abbandono dei pazienti, a ottimizzare gli endpoint della sperimentazione e a identificare i biomarcatori della risposta al trattamento, facilitando un processo decisionale più informato durante l’intero processo di sperimentazione. Infine, le sperimentazioni virtuali basate sull’intelligenza artificiale, che utilizzano i dati del mondo reale e gli endpoint digitali, possono snellire la logistica della sperimentazione, ridurre i costi e migliorare il coinvolgimento dei partecipanti.
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\DocTypeGridEditor\T26FullpageInfographicModule.cshtml:line 4 at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\base.cshtml:line 5
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\DocTypeGridEditor\T26FullpageInfographicModule.cshtml:line 4 at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\base.cshtml:line 5
Fig. 2: Citazioni dell’intelligenza artificiale in studi clinici e di scoperta di farmaci
Sperimentazioni cliniche
L’intelligenza artificiale può rivoluzionare anche le sperimentazioni cliniche, tuttora caratterizzate da problemi come ritardi nel reclutamento, protocolli inefficienti e costi elevati. Secondo un articolo di marzo 2024 pubblicato sulla rivista Nature, negli ultimi 60 anni il numero di farmaci approvati negli Stati Uniti per ogni miliardo di dollari spesi in ricerca e sviluppo si è dimezzato ogni nove anni. Scenari simili si sono verificati anche in altri mercati, come quello europeo, dove la concomitanza di burocrazia e complessità operativa ha determinato un aumento dei costi delle sperimentazioni cliniche e dello sviluppo dei farmaci in generale.
Sfruttando l’analisi basata sull’intelligenza artificiale, i ricercatori possono migliorare le strategie di reclutamento dei pazienti, individuare in modo più efficiente i candidati idonei e ottimizzare i protocolli di sperimentazione per garantire risultati più rapidi e affidabili. La creazione di modelli predittivi basati sull’intelligenza artificiale aiuterà i ricercatori anche a prevedere con maggiore precisione i tassi di abbandono dei pazienti, a ottimizzare gli endpoint della sperimentazione e a identificare i biomarcatori della risposta al trattamento, facilitando un processo decisionale più informato durante l’intero processo di sperimentazione. Infine, le sperimentazioni virtuali basate sull’intelligenza artificiale, che utilizzano i dati del mondo reale e gli endpoint digitali, possono snellire la logistica della sperimentazione, ridurre i costi e migliorare il coinvolgimento dei partecipanti.
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\DocTypeGridEditor\T26FullpageInfographicModule.cshtml:line 4 at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\base.cshtml:line 5
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\DocTypeGridEditor\T26FullpageInfographicModule.cshtml:line 4 at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync() in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Web\Views\Partials\grid\editors\base.cshtml:line 5
Fig. 2: Citazioni dell’intelligenza artificiale in studi clinici e di scoperta di farmaci
Medicina personalizzata
L’era della medicina uguale per tutti sta cedendo il passo, anche se gradualmente, ad approcci personalizzati e adattati alla composizione genetica unica di ogni paziente, ai fattori dello stile di vita e alle caratteristiche della malattia. L’intelligenza artificiale consentirà di analizzare ampie serie di dati genomici e di identificare i biomarcatori associati alla suscettibilità alle malattie, alla prognosi e alla risposta alle terapie. Sfruttando gli strumenti di medicina di precisione basati sull’intelligenza artificiale, gli operatori sanitari saranno in grado di ottimizzare le strategie terapeutiche, ridurre al minimo gli effetti negativi e migliorare i risultati dei pazienti in diverse specialità mediche, dall’oncologia alla medicina cardiovascolare.
Con la progressiva diffusione dei sensori indossabili, delle app per la salute e dei biomarcatori digitali (soprattutto nelle economie sviluppate, come possiamo vedere in Europa), i dati in tempo reale consentiranno ai pazienti di gestire i propri problemi di salute prima che diventino critici. Monitorando i parametri fisiologici e ricevendo raccomandazioni personalizzate per la dieta, l’esercizio fisico e la gestione dello stress, le persone, seguite dai loro medici, possono individuare i primi segnali di allarme di una malattia e intervenire per ottimizzare il loro benessere.
La maggiore sofisticazione dell’intelligenza artificiale, insieme alla continua espansione delle serie di dati genomici, migliorerà potenzialmente la diagnostica, la selezione delle terapie e le cure preventive.
Personalizzazione dei dispositivi medici
I dispositivi medici, dalle protesi ai sensori indossabili, stanno attraversando una fase di trasformazione favorita dalla personalizzazione guidata dall’intelligenza artificiale. Integrando gli algoritmi di intelligenza artificiale con tecniche di produzione avanzate come la stampa 3D, i produttori di dispositivi medici possono creare soluzioni su misura per le anatomie e le esigenze dei singoli pazienti.
Questo approccio personalizzato non solo migliora le prestazioni e la compatibilità dei dispositivi, ma riduce al minimo la probabilità di complicazioni aumentando la soddisfazione dei pazienti. Questo ha un impatto positivo anche sul settore assicurativo, in quanto migliora la sicurezza e l’affidabilità dei dispositivi. La Food and Drug Administration (FDA) dal 2020 ha approvato ogni anno più di 100 nuovi dispositivi basati sull’intelligenza artificiale e sull’apprendimento automatico, rispetto alle poche unità all’anno di 10 anni fa.
Medicina personalizzata
L’era della medicina uguale per tutti sta cedendo il passo, anche se gradualmente, ad approcci personalizzati e adattati alla composizione genetica unica di ogni paziente, ai fattori dello stile di vita e alle caratteristiche della malattia. L’intelligenza artificiale consentirà di analizzare ampie serie di dati genomici e di identificare i biomarcatori associati alla suscettibilità alle malattie, alla prognosi e alla risposta alle terapie. Sfruttando gli strumenti di medicina di precisione basati sull’intelligenza artificiale, gli operatori sanitari saranno in grado di ottimizzare le strategie terapeutiche, ridurre al minimo gli effetti negativi e migliorare i risultati dei pazienti in diverse specialità mediche, dall’oncologia alla medicina cardiovascolare.
Con la progressiva diffusione dei sensori indossabili, delle app per la salute e dei biomarcatori digitali (soprattutto nelle economie sviluppate, come possiamo vedere in Europa), i dati in tempo reale consentiranno ai pazienti di gestire i propri problemi di salute prima che diventino critici. Monitorando i parametri fisiologici e ricevendo raccomandazioni personalizzate per la dieta, l’esercizio fisico e la gestione dello stress, le persone, seguite dai loro medici, possono individuare i primi segnali di allarme di una malattia e intervenire per ottimizzare il loro benessere.
La maggiore sofisticazione dell’intelligenza artificiale, insieme alla continua espansione delle serie di dati genomici, migliorerà potenzialmente la diagnostica, la selezione delle terapie e le cure preventive.
Personalizzazione dei dispositivi medici
I dispositivi medici, dalle protesi ai sensori indossabili, stanno attraversando una fase di trasformazione favorita dalla personalizzazione guidata dall’intelligenza artificiale. Integrando gli algoritmi di intelligenza artificiale con tecniche di produzione avanzate come la stampa 3D, i produttori di dispositivi medici possono creare soluzioni su misura per le anatomie e le esigenze dei singoli pazienti.
Questo approccio personalizzato non solo migliora le prestazioni e la compatibilità dei dispositivi, ma riduce al minimo la probabilità di complicazioni aumentando la soddisfazione dei pazienti. Questo ha un impatto positivo anche sul settore assicurativo, in quanto migliora la sicurezza e l’affidabilità dei dispositivi. La Food and Drug Administration (FDA) dal 2020 ha approvato ogni anno più di 100 nuovi dispositivi basati sull’intelligenza artificiale e sull’apprendimento automatico, rispetto alle poche unità all’anno di 10 anni fa.
Fig. 3: Dispositivi basati su intelligenza artificiale e apprendimento automatico approvati dalla FDA, periodo 2013-2022
Nell’ultimo anno l’Agenzia Europea per i Medicinali (European Medicines Agency, EMA) ha condotto una serie di consultazioni pubbliche sull’uso dell’intelligenza artificiale nel ciclo di vita dei prodotti medici, stabilendo linee guida e raccomandazioni per le organizzazioni che intendono sviluppare nuovi dispositivi medici basati sull’intelligenza artificiale e sull’apprendimento automatico.
È probabile che nei prossimi anni le priorità normative riguardanti l’IA si intensificheranno con l’aumento delle innovazioni tecnologiche, che stimoleranno sia l’offerta che la domanda nel settore.
Un settore in cui la personalizzazione basata sull’intelligenza artificiale sta facendo passi da gigante è quello degli impianti ortopedici, ad esempio ginocchia e anche artificiali. Sfruttando l’intelligenza artificiale per analizzare le scansioni preoperatorie, i chirurghi possono pianificare con precisione il posizionamento e le dimensioni degli impianti per adeguarli alle caratteristiche anatomiche di ciascun paziente. Questo approccio migliora l’adattamento e la stabilità degli impianti, riducendo le complicazioni post-operatorie, come l’allentamento o il disallineamento dell’impianto, e migliorando il benessere del paziente. Inoltre, la personalizzazione basata sull’intelligenza artificiale consente di progettare impianti con geometrie complesse, migliorandone l’integrazione e la durata.
Nel Regno Unito, negli ultimi due anni i ricercatori associati al National Health Service (NHS) hanno pubblicato una serie di studi che analizzano le potenzialità dell’IA in vari settori, tra cui l’ortopedia. A febbraio 2023, l’NHS ha pubblicato un documento ufficiale di riferimento per i pazienti e gli operatori sanitari sull’uso e i rischi dell’IA, riconoscendo che queste innovazioni sono potenziali promotori di progressi significativi nell’assistenza sanitaria.
Fig. 3: Dispositivi basati su intelligenza artificiale e apprendimento automatico approvati dalla FDA, periodo 2013-2022
Nell’ultimo anno l’Agenzia Europea per i Medicinali (European Medicines Agency, EMA) ha condotto una serie di consultazioni pubbliche sull’uso dell’intelligenza artificiale nel ciclo di vita dei prodotti medici, stabilendo linee guida e raccomandazioni per le organizzazioni che intendono sviluppare nuovi dispositivi medici basati sull’intelligenza artificiale e sull’apprendimento automatico.
È probabile che nei prossimi anni le priorità normative riguardanti l’IA si intensificheranno con l’aumento delle innovazioni tecnologiche, che stimoleranno sia l’offerta che la domanda nel settore.
Un settore in cui la personalizzazione basata sull’intelligenza artificiale sta facendo passi da gigante è quello degli impianti ortopedici, ad esempio ginocchia e anche artificiali. Sfruttando l’intelligenza artificiale per analizzare le scansioni preoperatorie, i chirurghi possono pianificare con precisione il posizionamento e le dimensioni degli impianti per adeguarli alle caratteristiche anatomiche di ciascun paziente. Questo approccio migliora l’adattamento e la stabilità degli impianti, riducendo le complicazioni post-operatorie, come l’allentamento o il disallineamento dell’impianto, e migliorando il benessere del paziente. Inoltre, la personalizzazione basata sull’intelligenza artificiale consente di progettare impianti con geometrie complesse, migliorandone l’integrazione e la durata.
Nel Regno Unito, negli ultimi due anni i ricercatori associati al National Health Service (NHS) hanno pubblicato una serie di studi che analizzano le potenzialità dell’IA in vari settori, tra cui l’ortopedia. A febbraio 2023, l’NHS ha pubblicato un documento ufficiale di riferimento per i pazienti e gli operatori sanitari sull’uso e i rischi dell’IA, riconoscendo che queste innovazioni sono potenziali promotori di progressi significativi nell’assistenza sanitaria.
Aree di rischio
L’integrazione dell’IA nel comparto sanitario avrà conseguenze significative anche per i settori correlati, compreso quello assicurativo. Le politiche relative al settore sanitario dovranno tenere conto di nuovi stakeholder e della consapevolezza dei rischi associati all’integrazione dell’IA, in un contesto caratterizzato da un enorme clamore e da aspettative irrealistiche circa l’impatto dell’IA sull’eradicazione e il controllo delle malattie.
L’integrazione dell’intelligenza artificiale sta portando nuovi attori nel settore sanitario, come le aziende tecnologiche, che possono avere gradi di familiarità diversi con le problematiche di rischio specifiche di questo ambito. Ad aumentare la complessità si inserirà anche il potenziale conflitto culturale tra l’approccio intrinsecamente cauto degli operatori sanitari e l’atteggiamento improntato all’assunzione di rischi spesso associato all’innovazione tecnologica. Inoltre, l’integrazione dell’IA mette in discussione anche il ruolo e lo status degli attori consolidati del settore, tra cui le autorità di regolamentazione, che talvolta rispondono in modo lento e incoerente tra i diversi mercati nel disciplinare l’uso dell’IA. Anche il cambiamento del ruolo dei pazienti, sempre più autonomi nel definire o dirigere lo sviluppo e la somministrazione di farmaci e la fornitura di assistenza sanitaria in generale, porterà a cambiamenti nell’esposizione al rischio.
Nel frattempo, la rapida diffusione dell’IA in tutti i settori porterà probabilmente a un aumento delle attività di malintenzionati che cercheranno di manipolare i modelli linguistici di grandi dimensioni (large-language models, LLM) o di accedere alle serie di dati. Questi fattori fanno capire quanto dovranno essere flessibili le compagnie assicurative man mano che i rischi del settore sanitario evolveranno.
La rapida diffusione dell'intelligenza artificiale probabilmente porterà ad un aumento delle attività malevole volte a manipolare i modelli di linguaggio o ad accedere ai dataset.
L’integrazione dell’IA nel comparto sanitario avrà conseguenze significative anche per i settori correlati, compreso quello assicurativo. Le politiche relative al settore sanitario dovranno tenere conto di nuovi stakeholder e della consapevolezza dei rischi associati all’integrazione dell’IA, in un contesto caratterizzato da un enorme clamore e da aspettative irrealistiche circa l’impatto dell’IA sull’eradicazione e il controllo delle malattie.
L’integrazione dell’intelligenza artificiale sta portando nuovi attori nel settore sanitario, come le aziende tecnologiche, che possono avere gradi di familiarità diversi con le problematiche di rischio specifiche di questo ambito. Ad aumentare la complessità si inserirà anche il potenziale conflitto culturale tra l’approccio intrinsecamente cauto degli operatori sanitari e l’atteggiamento improntato all’assunzione di rischi spesso associato all’innovazione tecnologica. Inoltre, l’integrazione dell’IA mette in discussione anche il ruolo e lo status degli attori consolidati del settore, tra cui le autorità di regolamentazione, che talvolta rispondono in modo lento e incoerente tra i diversi mercati nel disciplinare l’uso dell’IA. Anche il cambiamento del ruolo dei pazienti, sempre più autonomi nel definire o dirigere lo sviluppo e la somministrazione di farmaci e la fornitura di assistenza sanitaria in generale, porterà a cambiamenti nell’esposizione al rischio.
Nel frattempo, la rapida diffusione dell’IA in tutti i settori porterà probabilmente a un aumento delle attività di malintenzionati che cercheranno di manipolare i modelli linguistici di grandi dimensioni (large-language models, LLM) o di accedere alle serie di dati. Questi fattori fanno capire quanto dovranno essere flessibili le compagnie assicurative man mano che i rischi del settore sanitario evolveranno.
La rapida diffusione dell'intelligenza artificiale probabilmente porterà ad un aumento delle attività malevole volte a manipolare i modelli di linguaggio o ad accedere ai dataset.
Altro aspetto da non sottovalutare sono i rischi legati ai bias dell’IA che potrebbero avere delle ripercussioni notevoli. Gli algoritmi di IA possono inavvertitamente alimentare o addirittura accentuare i pregiudizi esistenti nei dati di partenza, generando risultati fuorvianti che influenzano in modo sproporzionato alcune popolazioni. Ad esempio, se i dati iniziali elaborati dall’ IA non sono diversificati all’origine, il modello di IA rischierebbe di fornire un risultato previsionale impreciso sia nei gruppi principali che sottostanti, causando una disparità nell’assistenza sanitaria.
Le strategie di gestione del rischio devono quindi includere una rigorosa convalida degli strumenti di IA con diversi gruppi di dati, un monitoraggio continuo dei risultati viziati e l’implementazione di misure correttive per garantire applicazioni eque e imparziali. Inoltre, la trasparenza nei processi decisionali dell’IA e il coinvolgimento di varie parti interessate nello sviluppo e nella diffusione di queste tecnologie sono elementi cruciali per mitigare i rischi etici e promuovere la fiducia e l’inclusività nel mondo life science.
Gli organismi di regolamentazione come la FDA (USA) e l’EMA (Europa) svolgeranno un ruolo cruciale nella stesura di linee guida e requisiti minimi per lo sviluppo e la diffusione degli strumenti di IA, assicurandosi che soddisfino rigorosi criteri di sicurezza ed efficacia prima che siano approvati per l’uso. Come già avviene nel mondo della ricerca clinica, per valutare le prestazioni dell’IA e le relative implicazioni etiche saranno essenziali verifiche indipendenti e controlli da parte di team multidisciplinari di specialisti, che includano esperti di etica, dataanalyst, medici e giuristi.
Anche dopo l’entrata nel mercato del prodotto dell’IA, la continua attività di monitoraggio delle funzioni e la vigilanza post-marketing garantiranno un’attenta valutazione di eventuali problematiche al fine di amplificare i benefici attesi e di ridurre i potenziali rischi del prodotto di IA, sempre e comunque nel rispetto e nella tutela della salute dei pazienti/consumatori finali.
Il settore sanitario si trova in una fase sperimentale per quanto riguarda l’IA. Non esiste ancora un consenso unanime sulle pratiche ottimali e in molte aziende l’integrazione dell’IA si trova ancora in una fase iniziale. Tuttavia, è lecito supporre che, così come i benefici, anche i rischi saranno diversi e andranno dalle distorsioni degli algoritmi che influiranno negativamente sulla medicina personalizzata al potenziale malfunzionamento dei dispositivi personalizzati. Le compagnie assicurative potrebbero essere esposte ai rischi associati a diagnosi imprecise e trattamenti errati legati ai sistemi basati sull’IA. Dovranno inoltre calcolare la potenziale responsabilità senza avere a disposizione dati storici con cui valutare la probabilità e il potenziale impatto di eventi di rischio specifici, data la natura emergente del settore.
Altro aspetto da non sottovalutare sono i rischi legati ai bias dell’IA che potrebbero avere delle ripercussioni notevoli. Gli algoritmi di IA possono inavvertitamente alimentare o addirittura accentuare i pregiudizi esistenti nei dati di partenza, generando risultati fuorvianti che influenzano in modo sproporzionato alcune popolazioni. Ad esempio, se i dati iniziali elaborati dall’ IA non sono diversificati all’origine, il modello di IA rischierebbe di fornire un risultato previsionale impreciso sia nei gruppi principali che sottostanti, causando una disparità nell’assistenza sanitaria.
Le strategie di gestione del rischio devono quindi includere una rigorosa convalida degli strumenti di IA con diversi gruppi di dati, un monitoraggio continuo dei risultati viziati e l’implementazione di misure correttive per garantire applicazioni eque e imparziali. Inoltre, la trasparenza nei processi decisionali dell’IA e il coinvolgimento di varie parti interessate nello sviluppo e nella diffusione di queste tecnologie sono elementi cruciali per mitigare i rischi etici e promuovere la fiducia e l’inclusività nel mondo life science.
Gli organismi di regolamentazione come la FDA (USA) e l’EMA (Europa) svolgeranno un ruolo cruciale nella stesura di linee guida e requisiti minimi per lo sviluppo e la diffusione degli strumenti di IA, assicurandosi che soddisfino rigorosi criteri di sicurezza ed efficacia prima che siano approvati per l’uso. Come già avviene nel mondo della ricerca clinica, per valutare le prestazioni dell’IA e le relative implicazioni etiche saranno essenziali verifiche indipendenti e controlli da parte di team multidisciplinari di specialisti, che includano esperti di etica, dataanalyst, medici e giuristi.
Anche dopo l’entrata nel mercato del prodotto dell’IA, la continua attività di monitoraggio delle funzioni e la vigilanza post-marketing garantiranno un’attenta valutazione di eventuali problematiche al fine di amplificare i benefici attesi e di ridurre i potenziali rischi del prodotto di IA, sempre e comunque nel rispetto e nella tutela della salute dei pazienti/consumatori finali.
Il settore sanitario si trova in una fase sperimentale per quanto riguarda l’IA. Non esiste ancora un consenso unanime sulle pratiche ottimali e in molte aziende l’integrazione dell’IA si trova ancora in una fase iniziale. Tuttavia, è lecito supporre che, così come i benefici, anche i rischi saranno diversi e andranno dalle distorsioni degli algoritmi che influiranno negativamente sulla medicina personalizzata al potenziale malfunzionamento dei dispositivi personalizzati. Le compagnie assicurative potrebbero essere esposte ai rischi associati a diagnosi imprecise e trattamenti errati legati ai sistemi basati sull’IA. Dovranno inoltre calcolare la potenziale responsabilità senza avere a disposizione dati storici con cui valutare la probabilità e il potenziale impatto di eventi di rischio specifici, data la natura emergente del settore.
Sicurezza e privacy dei dati
Uno dei vantaggi principali dell’IA è la sua capacità di raccogliere e trattare grandi quantità di dati, compresi quelli particolarmente sensibili come le informazioni di identificazione personale (personally identifiable information, PII) e le informazioni sanitarie (personal health information, PHI), già nel mirino dei malintenzionati che cercano di sfruttarle per frodi o estorsioni. Inevitabilmente, un maggiore utilizzo dell’intelligenza artificiale nel settore delle scienze della vita amplierà la possibilità di accadimento di questi episodi.
Per questo motivo, le questioni relative alla privacy e alla sicurezza dei dati avranno un posto di primo piano nell’agenda delle autorità di regolamentazione, degli operatori del settore e dei consumatori. La necessità di tutelare la privacy dei pazienti richiederà un’efficace combinazione di sistemi di governance dei dati e una supervisione normativa affidabile, come sottolineato da una linea guida dell’Organizzazione Mondiale della Sanità (OMS) dell’ottobre 2023. Esistono prove limitate in merito all’esistenza di queste tutele nella maggior parte dei mercati, poiché i diversi stakeholder si stanno ancora adattando ai nuovi paradigmi e alle nuove sfide.
I modelli di apprendimento automatico addestrati su dati medici sensibili possono recepire e conservare informazioni private, il che genera preoccupazioni in merito all’anonimizzazione e alla reidentificazione dei dati. Man mano che i sistemi di intelligenza artificiale diventano sempre più sofisticati e capaci di elaborare insiemi di dati complessi, aumenta anche il rischio che i dati anonimizzati vengano rielaborati per identificare le persone. La volatilità delle normative e la crescente attenzione della società nei confronti dell’innovazione fanno sì che gli operatori interessati al settore dell’IA debbano monitorare attentamente le tendenze in atto e sviluppare meccanismi di risposta solidi per adattarsi al nuovo contesto di rischio.
Sicurezza e privacy dei dati
Uno dei vantaggi principali dell’IA è la sua capacità di raccogliere e trattare grandi quantità di dati, compresi quelli particolarmente sensibili come le informazioni di identificazione personale (personally identifiable information, PII) e le informazioni sanitarie (personal health information, PHI), già nel mirino dei malintenzionati che cercano di sfruttarle per frodi o estorsioni. Inevitabilmente, un maggiore utilizzo dell’intelligenza artificiale nel settore delle scienze della vita amplierà la possibilità di accadimento di questi episodi.
Per questo motivo, le questioni relative alla privacy e alla sicurezza dei dati avranno un posto di primo piano nell’agenda delle autorità di regolamentazione, degli operatori del settore e dei consumatori. La necessità di tutelare la privacy dei pazienti richiederà un’efficace combinazione di sistemi di governance dei dati e una supervisione normativa affidabile, come sottolineato da una linea guida dell’Organizzazione Mondiale della Sanità (OMS) dell’ottobre 2023. Esistono prove limitate in merito all’esistenza di queste tutele nella maggior parte dei mercati, poiché i diversi stakeholder si stanno ancora adattando ai nuovi paradigmi e alle nuove sfide.
I modelli di apprendimento automatico addestrati su dati medici sensibili possono recepire e conservare informazioni private, il che genera preoccupazioni in merito all’anonimizzazione e alla reidentificazione dei dati. Man mano che i sistemi di intelligenza artificiale diventano sempre più sofisticati e capaci di elaborare insiemi di dati complessi, aumenta anche il rischio che i dati anonimizzati vengano rielaborati per identificare le persone. La volatilità delle normative e la crescente attenzione della società nei confronti dell’innovazione fanno sì che gli operatori interessati al settore dell’IA debbano monitorare attentamente le tendenze in atto e sviluppare meccanismi di risposta solidi per adattarsi al nuovo contesto di rischio.
Malfunzionamenti dei dispositivi medici
Anche se l’intelligenza artificiale produrrà probabilmente risultati più accurati rispetto alle metodologie basate sul lavoro dell’uomo, è possibile che si verifichino dei malfunzionamenti. Ad esempio, un tumore benigno potrebbe essere erroneamente diagnosticato come maligno (e viceversa) a causa di errori nel software di visualizzazione computerizzata. Allo stesso modo, l’errata identificazione di un oggetto da parte del software nel contesto di un intervento chirurgico potrebbe portare a situazioni critiche.
Gli errori possono provenire anche dagli hardware. Quando le aziende entrano in un contesto sempre più competitivo, è inevitabile che si scateni una lotta sui prezzi e, in ultima analisi, sui costi. Le strategie di approvvigionamento dei materiali potrebbero privilegiare la quantità rispetto alla qualità e ciò potrebbe rappresentare un rischio per i consumatori finali. L’elevata complessità di alcuni dispositivi, che spesso sono costituiti da centinaia di componenti diverse, fa sì che anche una sola incompatibilità possa produrre errori difficili da mitigare.
Infine, i problemi legati alla manutenzione, frequenti in tutti i dispositivi, rimarranno presenti nell’ecosistema dell’IA.
A questi aspetti le autorità di regolamentazione dedicheranno particolare attenzione, come evidenziato dalle disposizioni specifiche per il settore contenute nella legge europea sull’IA, approvata dal Parlamento europeo a marzo 2024 e che probabilmente definirà l’agenda per iniziative simili in altri Paesi nei prossimi anni. I sistemi di IA applicati ai dispositivi medici sono classificati come ad alto rischio e continueranno a ricevere un controllo scrupoloso prima e dopo la loro immissione sul mercato. Tuttavia, la natura innovativa di alcuni sistemi fa sì che alcuni malfunzionamenti possano essere difficili da prevedere, sollevando rischi significativi per gli operatori del mercato.
Carenze di formazione
Si prevede che l’IA sostituirà gli esseri umani in molti compiti, ma gli scienziati, i farmacologi e gli operatori sanitari continueranno a essere richiesti e le competenze che dovranno acquisire si evolveranno. L’integrazione dell’IA nell’assistenza sanitaria richiederà la riqualificazione della forza lavoro esistente e l’apprendimento di competenze nuove o diverse nello sviluppo e nella somministrazione dei farmaci e nelle prestazioni sanitarie.
Soprattutto nel breve periodo, potrebbe essere difficile soddisfare tutte le esigenze di formazione, a causa delle pressioni sui bilanci dell’assistenza sanitaria. Inoltre, la “corsa all’IA”, ovvero la crescente ansia delle organizzazioni pubbliche e private per integrare gli strumenti di IA nelle loro strategie e operazioni, potrebbe complicare gli sforzi di reclutamento e formazione, distraendo risorse e compromettendo potenzialmente i protocolli esistenti, anche per quanto riguarda la formazione e la sicurezza.
Rischio umano
È importante sottolineare che l’integrazione dell’IA non eliminerà i rischi associati agli errori umani, che anzi in alcuni casi potrebbero addirittura essere aggravati dai nuovi strumenti. Gli errori umani in contesti di intelligenza artificiale possono verificarsi per diversi motivi, come ad esempio una non corretta comprensione di modelli e applicazioni e un’eccessiva dipendenza da software complessi nel contesto di processi decisionali critici.
Il fatto che alcuni sistemi di IA si basino su milioni o addirittura miliardi di righe di codice può significare che, a volte, gli esseri umani potrebbero addirittura avere difficoltà a individuare l’origine di potenziali incongruenze. Questo aggiungerà incertezza alla cura dei pazienti e, in ultima analisi, alla verifica e alla gestione del rischio assicurativo.
Malfunzionamenti dei dispositivi medici
Anche se l’intelligenza artificiale produrrà probabilmente risultati più accurati rispetto alle metodologie basate sul lavoro dell’uomo, è possibile che si verifichino dei malfunzionamenti. Ad esempio, un tumore benigno potrebbe essere erroneamente diagnosticato come maligno (e viceversa) a causa di errori nel software di visualizzazione computerizzata. Allo stesso modo, l’errata identificazione di un oggetto da parte del software nel contesto di un intervento chirurgico potrebbe portare a situazioni critiche.
Gli errori possono provenire anche dagli hardware. Quando le aziende entrano in un contesto sempre più competitivo, è inevitabile che si scateni una lotta sui prezzi e, in ultima analisi, sui costi. Le strategie di approvvigionamento dei materiali potrebbero privilegiare la quantità rispetto alla qualità e ciò potrebbe rappresentare un rischio per i consumatori finali. L’elevata complessità di alcuni dispositivi, che spesso sono costituiti da centinaia di componenti diverse, fa sì che anche una sola incompatibilità possa produrre errori difficili da mitigare.
Infine, i problemi legati alla manutenzione, frequenti in tutti i dispositivi, rimarranno presenti nell’ecosistema dell’IA.
A questi aspetti le autorità di regolamentazione dedicheranno particolare attenzione, come evidenziato dalle disposizioni specifiche per il settore contenute nella legge europea sull’IA, approvata dal Parlamento europeo a marzo 2024 e che probabilmente definirà l’agenda per iniziative simili in altri Paesi nei prossimi anni. I sistemi di IA applicati ai dispositivi medici sono classificati come ad alto rischio e continueranno a ricevere un controllo scrupoloso prima e dopo la loro immissione sul mercato. Tuttavia, la natura innovativa di alcuni sistemi fa sì che alcuni malfunzionamenti possano essere difficili da prevedere, sollevando rischi significativi per gli operatori del mercato.
Carenze di formazione
Si prevede che l’IA sostituirà gli esseri umani in molti compiti, ma gli scienziati, i farmacologi e gli operatori sanitari continueranno a essere richiesti e le competenze che dovranno acquisire si evolveranno. L’integrazione dell’IA nell’assistenza sanitaria richiederà la riqualificazione della forza lavoro esistente e l’apprendimento di competenze nuove o diverse nello sviluppo e nella somministrazione dei farmaci e nelle prestazioni sanitarie.
Soprattutto nel breve periodo, potrebbe essere difficile soddisfare tutte le esigenze di formazione, a causa delle pressioni sui bilanci dell’assistenza sanitaria. Inoltre, la “corsa all’IA”, ovvero la crescente ansia delle organizzazioni pubbliche e private per integrare gli strumenti di IA nelle loro strategie e operazioni, potrebbe complicare gli sforzi di reclutamento e formazione, distraendo risorse e compromettendo potenzialmente i protocolli esistenti, anche per quanto riguarda la formazione e la sicurezza.
Rischio umano
È importante sottolineare che l’integrazione dell’IA non eliminerà i rischi associati agli errori umani, che anzi in alcuni casi potrebbero addirittura essere aggravati dai nuovi strumenti. Gli errori umani in contesti di intelligenza artificiale possono verificarsi per diversi motivi, come ad esempio una non corretta comprensione di modelli e applicazioni e un’eccessiva dipendenza da software complessi nel contesto di processi decisionali critici.
Il fatto che alcuni sistemi di IA si basino su milioni o addirittura miliardi di righe di codice può significare che, a volte, gli esseri umani potrebbero addirittura avere difficoltà a individuare l’origine di potenziali incongruenze. Questo aggiungerà incertezza alla cura dei pazienti e, in ultima analisi, alla verifica e alla gestione del rischio assicurativo.
Previsioni
Nei prossimi anni l’IA è destinata a cambiare il mondo delle imprese e la vita di tutti i giorni. Dai modelli di business ai quadri normativi e alle attività di routine, la sua integrazione sembra inevitabile e di ampia portata. Orientarsi in questi territori inesplorati sarà una sfida che richiederà alle aziende e ai professionisti di imparare a sfruttare questa innovazione senza perdere di vista le considerazioni etiche, di sicurezza e normative.
Sebbene sia difficile prevedere l’entità e la tipologia delle nuove minacce che emergeranno in questo scenario, la natura degli sviluppi legati all’IA suggerisce che meritano un’attenzione adeguata e proattiva e che probabilmente diventeranno un aspetto chiave della gestione del rischio nel mondo delle scienze della vita, in particolare per i pazienti.
Allegati – Riferimenti principali
How AI is being used to accelerate clinical trials, nature.com
How Artificial Intelligence is Revolutionizing Drug Discovery, harvard.edu
AI in healthcare: how could liability arise?, lawscot.org.uk
Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices, fda.gov
The Promise and Potential Pitfalls of AI in Medical Device Design, medtechintelligence.com
What are the legal implications of European AI regulations for medical device companies?, allenovery.com
WHO outlines considerations for regulation of artificial intelligence for health, who.int
Artificial Intelligence Optimizes Recovery and Mobility for Hip Replacement Patients, orlandohealth.com
National Library of Medicine – PubMed, pubmed.ncbi.nlm.nih.gov
Nei prossimi anni l’IA è destinata a cambiare il mondo delle imprese e la vita di tutti i giorni. Dai modelli di business ai quadri normativi e alle attività di routine, la sua integrazione sembra inevitabile e di ampia portata. Orientarsi in questi territori inesplorati sarà una sfida che richiederà alle aziende e ai professionisti di imparare a sfruttare questa innovazione senza perdere di vista le considerazioni etiche, di sicurezza e normative.
Sebbene sia difficile prevedere l’entità e la tipologia delle nuove minacce che emergeranno in questo scenario, la natura degli sviluppi legati all’IA suggerisce che meritano un’attenzione adeguata e proattiva e che probabilmente diventeranno un aspetto chiave della gestione del rischio nel mondo delle scienze della vita, in particolare per i pazienti.
Allegati – Riferimenti principali
How AI is being used to accelerate clinical trials, nature.com
How Artificial Intelligence is Revolutionizing Drug Discovery, harvard.edu
AI in healthcare: how could liability arise?, lawscot.org.uk
Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices, fda.gov
The Promise and Potential Pitfalls of AI in Medical Device Design, medtechintelligence.com
What are the legal implications of European AI regulations for medical device companies?, allenovery.com
WHO outlines considerations for regulation of artificial intelligence for health, who.int
Artificial Intelligence Optimizes Recovery and Mobility for Hip Replacement Patients, orlandohealth.com
National Library of Medicine – PubMed, pubmed.ncbi.nlm.nih.gov
Questo resoconto è stato sviluppato per QBE da Control Risks
Questo resoconto è stato sviluppato per QBE da Control Risks
Sviluppare la resilienza della catena di fornitura
Comprendere e gestire il rischio nella vostra catena di fornitura
Altro ancora
Iscriviti per essere informato sui futuri articoli della serie Resilienza di settore, e altri documenti, rapporti o approfondimenti da QBE.
Iscriviti ora