L’intelligenza artificiale contro il gender gap in medicina

Al World Economic Forum di Davos, è stato presentato un report realizzato con il McKinsey Health Institute dal titolo “Closing the women’s health gap: a $1 trillion opportunity to improve lives and economies”. Si tratta di un’analisi delle condizioni medie di salute femminile a livello globale. Ma soprattutto delle cause principali alla base del gender gap sanitario. Con quattro direttrici principali di valutazione: la ricerca scientifica, la disponibilità di dati, le decisioni di investimento e i livelli di assistenza.

IA e comunità scientifica contro i bias di genere
Attenzione, spoiler: grazie all’intelligenza artificiale, la comunità scientifica si è accorta che i dati finora disponibili, risentono dei nostri bias. E ha finalmente acceso i riflettori su un fatto storico incredibile: le donne, da sempre, rappresentano un enorme bacino di pazienti sottodiagnosticato.

 Ma facciamo un passo indietro.

Cosa emerge dallo studio? Solo l’1% delle ricerche sulla medicina è dedicato a condizioni specifiche di genere e nonostante le donne – come si sa – vivano in media più degli uomini, in realtà trascorrono il 25% della loro vita in cattive condizioni di salute. 

Ecco, colmare questo gap porterebbe beneficio a 3,9 miliardi di donne, dando loro sette giorni di vita in più ogni anno e una media di 500 giorni in un’intera esistenza. Infine, porterebbe anche a un vantaggio economico, valutato in mille miliardi di dollari da qui al 2040. 

La medicina a taglia unica non funziona
L’idea, dunque, della medicina che va bene per tutti, a taglia unica, è stata finalmente soppiantata dalla medicina di precisione: la ricerca per essere valida deve includere la maggiore tipologia di diversità possibili, dall’etnia, al sesso, al genere, l’età.

E con l’IA è oggi realistico operare una svolta formidabile su quello che è un elemento del percorso di cura, la cui tempestività è molto spesso cruciale: le diagnosi, su pesa un gigantesco gender gap.

Il ritardo nelle diagnosi è infatti legato ai bias con cui tutti noi abbiamo a che fare. Per esempio, le diagnosi di Alzheimer alle donne sono formulate con ritardo rispetto a quelle degli uomini. Quelle della sclerosi multipla che interessa la popolazione femminile arrivano 2-3 anni dopo l’insorgenza dei primi sintomi, che nelle prime fasi sono scambiati per depressione oppure per stress.

Dati diversificati aiutano precisione dell’algoritmo
Ora, la comunità scientifica è consapevole che tanto più il training del machine learning model (il training di un modello viene eseguito su un set di dati, fornendogli un algoritmo che può usare per ragionare e apprendere da questi dati) viene fatto con dati diversificati tanto più la competenza diagnostica e terapeutica dell’algoritmo sarà accurata.

Grazie all’intelligenza artificiale e in particolare grazie a questi “machine learning models” – nel machine learning (in italiano, apprendimento automatico) si utilizzano i dati numerici per “addestrare” il computer a completare compiti specifici: il risultato è un algoritmo che a sua volta utilizza un modello del fenomeno per trovare la soluzione ad un problema – riescono a diagnosticare nelle donne i sintomi precoci dell’Alzheimer, cosa che il medico non riesce a fare con le scale tradizionali di valutazione, perché a quanto pare le donne mascherano maggiormente il sintomo avendo una maggiore fluidità verbale. 

L’utilizzo dell’AI, quindi, può dare quella spinta necessaria ad attenuare il gender gap in medicina, una disuguaglianza che va resa sempre più consapevole e messa in primo piano perché sia efficacemente affrontata.