Il contributo dell’AI nel combattere il Coronavirus

11 marzo 2020

Carlo Nicolini

I tempi sono cambiati: ecco come l’Intelligenza Artificiale può venirci in aiuto in modo sostanziale

 

Senza dubbio Covid-19 si è già imposto sulla scena mondiale come un'emergenza sanitaria di vastissima portata. A differenza delle grandi epidemie del passato, però, la tecnologia può fornire nuovi strumenti, teorici e pratici, per arginare l'avanzata del virus.

Insieme ai metodi standard di predizione dei contagi, scienziati e startup stanno lavorando su nuovi algoritmi che uniscano ed integrino dati di mobilità locale, traffici internazionali ed addirittura l'analisi delle parole chiave nei social network: i Big Data a favore della salute pubblica. Con l'avvento delle piattaforme di social networking, è possibile infatti conoscere a fondo le reti di contatti che danno forma alle interazioni sociali e simulare epidemie al calcolatore.

La sfida principale è però integrare sorgenti di informazioni eterogenee prima ancora che i computer possano elaborarli.

Un esempio è il sistema HealthMap, progettato dal Boston Children's Hospital, che scansiona periodicamente notizie e social media producendo tramite il suo motore AI dei report costantemente aggiornati e geolocalizzati sulla situazione sanitaria mondiale. Il 30 dicembre 2019 il sistema aveva notato un anomalo focolaio virale nella città di Wuhan, assegnando un livello di rischio tre su cinque, sfuggito agli esperti.

O ancora, sul fronte diagnostico, lo strumento di Alibaba in grado di diagnosticare una polmonite da coronavirus analizzando in poco più di venti secondi le scansioni TAC e fornendo un referto accurato al 96%.

Un sistema di allerta precoce ed affidabile è quanto serve maggiormente ora ai governi di tutto il mondo per gestire le emergenze. Diverse start up forniscono ormai strumenti di questo tipo, integrando informazioni da una molteplicità di sorgenti informatiche, dai flussi nei trasporti pubblici fino ai collegamenti alle celle telefoniche.

Affidare scelte di salute pubblica a sistemi automatizzati rimane tuttavia un punto aperto di discussione all’interno della comunità scientifica. I modelli, per quanto precisi, necessitano di dati di qualità: per questo è necessario un continuo processo di comparazione, spesso supervisionato da gruppi di esperti.

La stretta interazione tra modelli ed esperienza reale serve infine anche ad evitare involontarie deviazioni sistematiche verso previsioni faziose, un problema noto come "model-bias". Un modello affetto da dati imprecisi o sistematicamente distorti, può infatti produrre report eccessivamente polarizzati, con il rischio di sottostimare il rischio oppure dall'altro lato diffondere il panico.

L'intelligenza artificiale può largamente estendere le capacità umane, ma resta nostro compito e responsabilità utilizzarla a vantaggio di tutti.

Leggi tutti gli insight