Dopo il suo trionfo a Jeopardy!, l’AI di IBM sembrava pronta a rivoluzionare la medicina. I medici stanno ancora aspettando
Nel 2014, IBM ha aperto una nuova sede sciccosa per la sua divisione di intelligenza artificiale, conosciuta come IBM Watson. All’interno della torre di vetro nella bassa Manhattan, gli IBMers possono portare potenziali clienti e giornalisti in visita nella “sala di immersione”, che assomiglia a un planetario in miniatura. Lì, nello spazio oscurato, i visitatori si siedono su sgabelli girevoli mentre la grafica fantasiosa lampeggia sugli schermi curvi che coprono le pareti. È la cosa più vicina all’essere dentro il cervello elettronico di Watson, dicono a volte gli IBMers.
Una folgorante dimostrazione del 2014 della potenza cerebrale di Watson ha mostrato il suo potenziale per trasformare la medicina usando l’IA – un obiettivo che il CEO di IBM Virginia Rometty chiama spesso il colpo di luna dell’azienda. Nella dimostrazione, Watson ha preso una bizzarra collezione di sintomi del paziente e ha prodotto una lista di possibili diagnosi, ognuna annotata con il livello di fiducia di Watson e i link alla letteratura medica di supporto.
Nei confortevoli confini della cupola, Watson non ha mai mancato di impressionare: I suoi banchi di memoria contenevano la conoscenza di ogni malattia rara, e i suoi processori non erano suscettibili al tipo di bias cognitivo che può buttare fuori i medici. Poteva risolvere un caso difficile in pochi secondi. Se Watson potesse portare quella competenza istantanea agli ospedali e alle cliniche di tutto il mondo, sembrava possibile che l’IA potesse ridurre gli errori di diagnosi, ottimizzare i trattamenti e persino alleviare la carenza di medici – non sostituendo i medici ma aiutandoli a fare il loro lavoro più velocemente e meglio.
Al di fuori della sede aziendale, tuttavia, IBM ha scoperto che la sua potente tecnologia non è all’altezza della realtà disordinata del sistema sanitario di oggi. E nel tentativo di applicare Watson al trattamento del cancro, una delle più grandi sfide della medicina, IBM ha incontrato una discrepanza fondamentale tra il modo in cui le macchine imparano e il modo in cui i medici lavorano.
Il coraggioso tentativo di IBM di rivoluzionare l’assistenza sanitaria è iniziato nel 2011. Il giorno dopo che Watson ha sconfitto completamente due campioni umani nel gioco di Jeopardy!, IBM ha annunciato un nuovo percorso di carriera per il suo vincitore del quiz-show AI: Sarebbe diventato un medico AI. IBM avrebbe preso la tecnologia rivoluzionaria che ha mostrato in televisione – principalmente, la capacità di comprendere il linguaggio naturale – e l’avrebbe applicata alla medicina. Le prime offerte commerciali di Watson per l’assistenza sanitaria sarebbero state disponibili in 18-24 mesi, ha promesso l’azienda.
In realtà, i progetti che IBM ha annunciato quel primo giorno non hanno prodotto prodotti commerciali. Negli otto anni successivi, IBM ha strombazzato molti altri sforzi di alto profilo per sviluppare la tecnologia medica alimentata dall’IA, molti dei quali hanno fallito, e alcuni dei quali hanno fallito in modo spettacolare. L’azienda ha speso miliardi in acquisizioni per sostenere i suoi sforzi interni, ma gli addetti ai lavori dicono che le aziende acquisite non hanno ancora contribuito molto. E i prodotti che sono emersi dalla divisione Watson Health di IBM non sono niente come il brillante medico AI che è stato immaginato una volta: Sono più simili ad assistenti AI che possono eseguire alcuni compiti di routine.
“Reputazionalmente, penso che siano in qualche problema”, dice Robert Wachter, presidente del dipartimento di medicina presso l’Università della California, San Francisco, e autore del libro del 2015 The Digital Doctor: Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age (McGraw-Hill). In parte, dice, IBM sta soffrendo per la sua ambizione: È stata la prima azienda a fare una grande spinta per portare l’IA nella clinica. Ma si è anche guadagnata cattiva volontà e scetticismo vantandosi delle capacità di Watson. “Sono arrivati con il marketing prima, il prodotto poi, e hanno fatto eccitare tutti”, dice. “Poi la gomma ha colpito la strada. Questo è un insieme incredibilmente difficile di problemi, e IBM, essendo la prima ad uscire, lo ha dimostrato per tutti gli altri.”
A una conferenza del 2017 dei professionisti dell’informatica sanitaria, il CEO di IBM Rometty ha detto alla folla che l’IA “è reale, è mainstream, è qui, e può cambiare quasi tutto sull’assistenza sanitaria,” e ha aggiunto che potrebbe inaugurare una “età dell’oro” medica. Non è la sola a vedere un’opportunità: Gli esperti in informatica e medicina sono d’accordo sul fatto che l’IA ha il potenziale per trasformare l’industria dell’assistenza sanitaria. Finora, questo potenziale è stato dimostrato principalmente in esperimenti attentamente controllati. Solo pochi strumenti basati sull’IA sono stati approvati dai regolatori per l’uso in ospedali reali e studi medici. Quei prodotti pionieristici lavorano per lo più nel regno visivo, utilizzando la visione del computer per analizzare immagini come i raggi X e le scansioni della retina. (IBM non ha un prodotto che analizza le immagini mediche, anche se ha un progetto di ricerca attivo in quell’area.)
Guardando oltre le immagini, tuttavia, anche la migliore IA di oggi lotta per dare un senso alle complesse informazioni mediche. E codificare la competenza di un medico umano in un software si rivela essere una proposta molto difficile. IBM ha imparato queste dolorose lezioni sul mercato, mentre il mondo stava a guardare. Mentre l’azienda non sta rinunciando al suo colpo di luna, i suoi fallimenti di lancio hanno mostrato ai tecnologi e ai medici quanto sia difficile costruire un medico AI.
La vittoria di Jeopardy! nel 2011 ha mostrato la notevole abilità di Watson nell’elaborazione del linguaggio naturale (NLP). Per giocare, ha dovuto analizzare indizi complicati pieni di giochi di parole, cercare in enormi database testuali per trovare possibili risposte e determinare la migliore. Watson non era un glorioso motore di ricerca; non restituiva solo documenti basati su parole chiave. Invece impiegava centinaia di algoritmi per mappare le “entità” in una frase e capire le relazioni tra di esse. Ha usato questa abilità per dare un senso sia all’indizio di Jeopardy! che ai milioni di fonti di testo che ha estratto.
“Sembrava quasi che Watson potesse capire il significato del linguaggio, piuttosto che riconoscere solo modelli di parole”, dice Martin Kohn, che era il capo scienziato medico per IBM Research al momento della partita di Jeopardy! “Era un ordine di grandezza più potente di quello che esisteva”. Inoltre, Watson ha sviluppato questa capacità da solo, attraverso l’apprendimento automatico. I ricercatori IBM hanno addestrato Watson dandogli migliaia di indizi e risposte di Jeopardy! etichettati come corretti o sbagliati. In questo complesso set di dati, l’IA ha scoperto dei modelli e ha creato un modello su come passare da un input (un indizio) a un output (una risposta corretta).
Molto prima che Watson fosse protagonista sul palco di Jeopardy!, IBM aveva considerato le sue possibilità per l’assistenza sanitaria. La medicina, con le sue risme di dati dei pazienti, sembrava una scelta ovvia, soprattutto perché gli ospedali e i medici stavano passando alle cartelle cliniche elettroniche. Mentre alcuni di questi dati possono essere facilmente digeriti dalle macchine, come i risultati di laboratorio e le misurazioni dei segni vitali, la maggior parte di essi sono informazioni “non strutturate”, come le note del medico e i riassunti delle dimissioni ospedaliere. Questo testo narrativo rappresenta circa l’80% della cartella clinica di un tipico paziente – ed è un miscuglio di gergo, stenografia e dichiarazioni soggettive.
Kohn, che è arrivato in IBM con una laurea in medicina all’Università di Harvard e una laurea in ingegneria al MIT, era entusiasta di aiutare Watson ad affrontare il linguaggio della medicina. “Sembrava che Watson avesse il potenziale per superare queste complessità”, dice. Rivolgendo le sue potenti capacità NLP alla medicina, la teoria era che Watson potesse leggere le cartelle cliniche dei pazienti così come l’intero corpus della letteratura medica: libri di testo, articoli di riviste peer-reviewed, liste di farmaci approvati, e così via. Con l’accesso a tutti questi dati, Watson potrebbe diventare un superdotato, discernendo modelli che nessun umano potrebbe mai individuare.
“I medici vanno al lavoro ogni giorno – specialmente le persone in prima linea, i medici di base – con la consapevolezza che non possono sapere tutto ciò che devono sapere per praticare la migliore, più efficiente, più efficace medicina possibile”, dice Herbert Chase, un professore di medicina e informatica biomedica alla Columbia University che ha collaborato con IBM nei suoi primi sforzi di assistenza sanitaria. Ma Watson, dice, potrebbe tenere il passo – e se trasformato in uno strumento di “supporto decisionale clinico”, potrebbe consentire ai medici di tenere il passo, anche. Al posto di un indizio di Jeopardy, un medico potrebbe dare a Watson l’anamnesi di un paziente e chiedere una diagnosi o un piano di trattamento ottimale.
Chase ha lavorato con i ricercatori IBM sul prototipo di uno strumento diagnostico, la cosa che ha abbagliato i visitatori nella sala di immersione Watson. Ma IBM ha scelto di non commercializzarlo, e Chase ha lasciato IBM nel 2014. È deluso dai lenti progressi di Watson nella medicina da allora. “Non sono a conoscenza di nessun fuoricampo spettacolare”, dice.
E’ uno dei tanti primi entusiasti di Watson che ora sono costernati. Eliot Siegel, professore di radiologia e vicepresidente dei sistemi informativi all’Università del Maryland, ha anche collaborato con IBM sulla ricerca diagnostica. Mentre pensa che gli strumenti abilitati dall’AI saranno indispensabili per i medici entro un decennio, non è sicuro che IBM li costruirà. “Non credo che siano all’avanguardia dell’IA”, dice Siegel. “
Per quanto riguarda Kohn, che ha lasciato IBM nel 2014, dice che l’azienda è caduta in una trappola comune: “Dimostrare semplicemente di avere una tecnologia potente non è sufficiente”, dice. “Dimostratemi che farà effettivamente qualcosa di utile – che migliorerà la mia vita e quella dei miei pazienti”. Kohn dice che è stato in attesa di vedere documenti peer-reviewed nelle riviste mediche che dimostrano che l’IA può migliorare i risultati dei pazienti e risparmiare denaro ai sistemi sanitari. “Ad oggi c’è molto poco nel modo di tali pubblicazioni”, dice, “e nessuna di conseguenza per Watson.”
Nel cercare di portare l’IA nella clinica, IBM stava assumendo una sfida tecnica enorme. Ma dopo essere rimasta indietro rispetto ai giganti della tecnologia come Google e Apple in molti altri ambiti informatici, IBM aveva bisogno di qualcosa di grande per rimanere rilevante. Nel 2014, l’azienda ha investito 1 miliardo di dollari nella sua unità Watson, che stava sviluppando tecnologia per diversi settori di attività. Nel 2015, IBM ha annunciato la formazione di una divisione speciale Watson Health, e a metà 2016 Watson Health aveva acquisito quattro società di dati sanitari per un costo totale di circa 4 miliardi di dollari. Sembrava che IBM avesse la tecnologia, le risorse e l’impegno necessari per far funzionare l’IA nella sanità.
Oggi, i leader di IBM parlano dello sforzo di Watson Health come di “un viaggio” lungo una strada con molti colpi di scena. “È un compito difficile iniettare l’IA nell’assistenza sanitaria, ed è una sfida. Ma lo stiamo facendo”, dice John E. Kelly III, vicepresidente senior di IBM per le soluzioni cognitive e la ricerca IBM. Kelly ha guidato lo sforzo di Watson dai tempi di Jeopardy! e alla fine del 2018 ha anche assunto la supervisione diretta di Watson Health. Dice che l’azienda ha fatto perno quando è necessario: “
Lo strumento diagnostico, per esempio, non è stato immesso sul mercato perché il business case non c’era, dice Ajay Royyuru, vice presidente di IBM per l’assistenza sanitaria e la ricerca sulle scienze della vita. “La diagnosi non è il posto dove andare”, dice. “Questo è qualcosa che gli esperti fanno abbastanza bene. È un compito difficile, e non importa quanto bene lo si faccia con l’IA, non sostituirà il professionista esperto”. (Non tutti sono d’accordo con Royyuru: Un rapporto del 2015 sugli errori diagnostici dalle Accademie Nazionali di Scienze, Ingegneria e Medicina ha dichiarato che il miglioramento delle diagnosi rappresenta un “imperativo morale, professionale e di salute pubblica”)
Nel tentativo di trovare il business case per l’IA medica, IBM ha perseguito un numero vertiginoso di progetti destinati a tutti i diversi attori del sistema sanitario: medici, personale amministrativo, assicuratori e pazienti. Ciò che lega tutti i fili insieme, dice Kelly, è uno sforzo per fornire “supporto decisionale utilizzando AI massicci set di dati”. Il progetto più pubblicizzato di IBM si è concentrato sull’oncologia, dove sperava di impiegare le capacità “cognitive” di Watson per trasformare i grandi dati in trattamenti personalizzati del cancro per i pazienti.
In molte applicazioni tentate, l’NLP di Watson ha lottato per dare un senso al testo medico – come hanno fatto molti altri sistemi AI. “Stiamo facendo incredibilmente meglio con l’NLP rispetto a cinque anni fa, ma siamo ancora incredibilmente peggio degli umani”, dice Yoshua Bengio, professore di informatica all’Università di Montreal e uno dei principali ricercatori di AI. Nei documenti di testo medici, dice Bengio, i sistemi di IA non possono capire l’ambiguità e non colgono indizi sottili che un medico umano noterebbe. Bengio dice che l’attuale tecnologia NLP può aiutare il sistema sanitario: “Non deve avere una comprensione completa per fare qualcosa di incredibilmente utile”, dice. Ma nessuna IA costruita finora può eguagliare la comprensione e l’intuizione di un medico umano. “No, non ci siamo”, dice.
Il lavoro di IBM sul cancro serve come primo esempio delle sfide che l’azienda ha incontrato. “Non credo che nessuno avesse idea che ci sarebbe voluto così tanto tempo o che sarebbe stato così complicato”, dice Mark Kris, uno specialista del cancro ai polmoni al Memorial Sloan Kettering Cancer Center, a New York, che ha guidato la collaborazione della sua istituzione con IBM Watson dal 2012.
Lo sforzo per migliorare la cura del cancro ha avuto due tracce principali. Kris e altri medici preminenti allo Sloan Kettering hanno addestrato un sistema AI che è diventato il prodotto Watson for Oncology nel 2015. Dall’altra parte del paese, i medici preminenti presso l’Università del Texas MD Anderson Cancer Center, a Houston, hanno collaborato con IBM per creare uno strumento diverso chiamato Oncology Expert Advisor. MD Anderson è arrivato a testare lo strumento nel reparto di leucemia, ma non è mai diventato un prodotto commerciale.
Entrambi gli sforzi hanno ricevuto forti critiche. Un articolo escoriante su Watson for Oncology ha sostenuto che ha fornito raccomandazioni inutili e talvolta pericolose (IBM contesta queste accuse). Più in generale, Kris dice di aver sentito spesso la critica che il prodotto non è “vera AI”. E il progetto MD Anderson ha fallito drammaticamente: Un audit del 2016 dell’Università del Texas ha scoperto che il centro per il cancro ha speso 62 milioni di dollari sul progetto prima di cancellarlo. Uno sguardo più profondo a questi due progetti rivela una discrepanza fondamentale tra la promessa dell’apprendimento automatico e la realtà delle cure mediche – tra la “vera IA” e i requisiti di un prodotto funzionale per i medici di oggi.
Watson for Oncology avrebbe dovuto imparare ingerendo la vasta letteratura medica sul cancro e le cartelle cliniche di veri pazienti affetti da cancro. La speranza era che Watson, con la sua potente potenza di calcolo, avrebbe esaminato centinaia di variabili in queste cartelle – inclusi i dati demografici, le caratteristiche del tumore, i trattamenti e i risultati – e scoperto modelli invisibili agli umani. Avrebbe anche tenuto il passo con la miriade di articoli di giornale sui trattamenti del cancro che vengono pubblicati ogni giorno. Per gli oncologi dello Sloan Kettering, suonava come una potenziale svolta nella cura del cancro. Per IBM, sembrava un grande prodotto. “Credo che nessuno sapesse cosa ci aspettava”, dice Kris.
Watson ha imparato abbastanza rapidamente a scansionare gli articoli sugli studi clinici e a determinare i risultati di base. Ma si è dimostrato impossibile insegnare a Watson a leggere gli articoli come farebbe un medico. “L’informazione che i medici estraggono da un articolo, che usano per cambiare la loro cura, potrebbe non essere il punto principale dello studio”, dice Kris. Il pensiero di Watson è basato sulla statistica, quindi tutto quello che può fare è raccogliere statistiche sui principali risultati, spiega Kris. “Ma i medici non lavorano in questo modo.”
Nel 2018, per esempio, la FDA ha approvato un nuovo farmaco contro il cancro “agnostico ai tessuti” che è efficace contro tutti i tumori che mostrano una specifica mutazione genetica. Il farmaco è stato accelerato sulla base di risultati drammatici in soli 55 pazienti, di cui quattro con cancro ai polmoni. “Ora stiamo dicendo che ogni paziente con cancro ai polmoni dovrebbe essere testato per questo gene”, dice Kris. “Tutte le linee guida precedenti sono state buttate via, sulla base di quattro pazienti”. Ma Watson non cambierà le sue conclusioni basate solo su quattro pazienti. Per risolvere questo problema, gli esperti dello Sloan Kettering hanno creato “casi sintetici” da cui Watson potrebbe imparare, essenzialmente pazienti immaginari con determinati profili demografici e caratteristiche del cancro. “Credo nell’analitica; credo che possa scoprire le cose”, dice Kris. “Ma quando si tratta di cancro, davvero non funziona.”
La realizzazione che Watson non poteva estrarre autonomamente intuizioni dalle ultime notizie della letteratura medica è stato solo il primo colpo. I ricercatori hanno anche scoperto che non poteva estrarre informazioni dalle cartelle cliniche elettroniche dei pazienti come si aspettavano.
Al MD Anderson, i ricercatori hanno messo Watson a lavorare sulle cartelle cliniche dei pazienti affetti da leucemia e hanno scoperto rapidamente quanto fosse difficile lavorare con quelle cartelle. Sì, Watson aveva fenomenali abilità NLP. Ma in queste cartelle, i dati potrebbero mancare, essere scritti in modo ambiguo o fuori dall’ordine cronologico. In un documento del 2018 pubblicato su The Oncologist, il team ha riferito che il suo Watson-powered Oncology Expert Advisor ha avuto un successo variabile nell’estrarre informazioni dai documenti di testo nelle cartelle cliniche. Aveva punteggi di precisione che vanno dal 90 al 96 per cento quando si trattava di concetti chiari come la diagnosi, ma punteggi di solo il 63-65 per cento per le informazioni dipendenti dal tempo come i tempi della terapia.
In un colpo finale al sogno di un superdotato AI, i ricercatori si sono resi conto che Watson non può confrontare un nuovo paziente con l’universo dei pazienti di cancro che sono venuti prima per scoprire modelli nascosti. Sia Sloan Kettering che MD Anderson speravano che l’IA avrebbe imitato le abilità dei loro oncologi esperti, che attingono alla loro esperienza di pazienti, trattamenti e risultati quando concepiscono una strategia per un nuovo paziente. Una macchina che potrebbe fare lo stesso tipo di analisi della popolazione – in modo più rigoroso, e utilizzando migliaia di pazienti – sarebbe enormemente potente.
Ma gli attuali standard del sistema sanitario non incoraggiano questo apprendimento nel mondo reale. L’Oncology Expert Advisor di MD Anderson ha emesso solo raccomandazioni “basate sull’evidenza” legate alle linee guida mediche ufficiali e ai risultati degli studi pubblicati nella letteratura medica. Se un sistema AI dovesse basare i suoi consigli su modelli che ha scoperto nelle cartelle cliniche – per esempio, che un certo tipo di paziente fa meglio con un certo farmaco – le sue raccomandazioni non sarebbero considerate basate sull’evidenza, il gold standard in medicina. Senza i controlli rigorosi di uno studio scientifico, una tale scoperta sarebbe considerata solo una correlazione, non una causalità.
Kohn, ex IBM, e molti altri pensano che gli standard dell’assistenza sanitaria devono cambiare affinché l’IA possa realizzare il suo pieno potenziale e trasformare la medicina. “Il gold standard non è davvero oro”, dice Kohn. I sistemi di IA potrebbero considerare molti più fattori di quelli che saranno mai rappresentati in uno studio clinico, e potrebbero ordinare i pazienti in molte più categorie per fornire “cure veramente personalizzate”, dice Kohn. Anche l’infrastruttura deve cambiare: le istituzioni sanitarie devono accettare di condividere i loro dati proprietari e controllati dalla privacy in modo che i sistemi AI possano imparare da milioni di pazienti seguiti per molti anni.
Secondo rapporti aneddotici, IBM ha avuto difficoltà a trovare acquirenti per il suo prodotto Watson oncologia negli Stati Uniti. Alcuni oncologi dicono che si fidano del loro giudizio e non hanno bisogno che Watson dica loro cosa fare. Altri dicono che suggerisce solo trattamenti standard che conoscono bene. Ma Kris dice che alcuni medici lo stanno trovando utile come una seconda opinione istantanea che possono condividere con i pazienti nervosi. “Per quanto sia imperfetto e limitato, è molto utile”, dice Kris. I rappresentanti IBM hanno avuto più fortuna fuori dagli Stati Uniti, con ospedali in India, Corea del Sud, Thailandia e oltre che hanno adottato la tecnologia. Molti di questi ospedali usano con orgoglio il marchio IBM Watson nel loro marketing, dicendo ai pazienti che riceveranno cure per il cancro basate sull’AI.
Negli ultimi anni, questi ospedali hanno iniziato a pubblicare studi sulle loro esperienze con Watson for Oncology. In India, i medici del Manipal Comprehensive Cancer Center hanno valutato Watson su 638 casi di cancro al seno e hanno trovato un tasso di concordanza del 73% nelle raccomandazioni di trattamento; il suo punteggio è stato abbattuto dalle scarse prestazioni sul cancro al seno metastatico. Watson è andato peggio al Gachon University Gil Medical Center, in Corea del Sud, dove le sue migliori raccomandazioni per 656 pazienti con cancro al colon corrispondevano a quelle degli esperti solo il 49% delle volte. I medici hanno riferito che Watson ha fatto male con i pazienti più anziani, non ha suggerito alcuni farmaci standard, e aveva un bug che gli ha fatto raccomandare la sorveglianza invece di un trattamento aggressivo per alcuni pazienti con cancro metastatico.
Questi studi miravano a determinare se la tecnologia di Watson for Oncology funziona come previsto. Ma nessuno studio ha ancora dimostrato che porta benefici ai pazienti. Wachter della UCSF dice che questo è un problema crescente per l’azienda: “IBM sapeva che la vittoria a Jeopardy! e la partnership con il Memorial Sloan Kettering li avrebbe fatti entrare dalla porta. Ma avevano bisogno di mostrare, abbastanza rapidamente, un impatto sui risultati concreti”. Wachter dice che IBM deve convincere gli ospedali che il sistema vale l’investimento finanziario. “È davvero importante che escano con dei successi”, dice. “Il successo è un articolo nel New England Journal of Medicine che dimostra che quando abbiamo usato Watson, i pazienti hanno fatto meglio o abbiamo risparmiato denaro”. Wachter sta ancora aspettando di vedere apparire tali articoli.
Sloan Kettering’s Kris non è scoraggiato; dice che la tecnologia potrà solo migliorare. “Come strumento, Watson ha un potenziale straordinario”, dice. “Spero che le persone che hanno il cervello e la potenza del computer ci si attacchino. È un lungo cammino, ma ne vale la pena.”
Alcune storie di successo stanno emergendo da Watson Health-in alcune applicazioni ristrette e controllate, Watson sembra aggiungere valore. Prendiamo, per esempio, il prodotto Watson for Genomics, che è stato sviluppato in collaborazione con l’Università del North Carolina, l’Università di Yale e altre istituzioni. Lo strumento è usato dai laboratori di genetica che generano rapporti per gli oncologi praticanti: Watson prende il file che elenca le mutazioni genetiche di un paziente, e in pochi minuti può generare un rapporto che descrive tutti i farmaci rilevanti e gli studi clinici. “Permettiamo ai laboratori di scalare”, dice Vanessa Michelini, un IBM Distinguished Engineer che ha guidato lo sviluppo e il lancio del 2016 del prodotto.
Watson ha un tempo relativamente facile con le informazioni genetiche, che sono presentate in file strutturati e non hanno ambiguità – o una mutazione è lì, o non è. Lo strumento non impiega NLP per estrarre le cartelle cliniche, ma lo usa solo per cercare libri di testo, articoli di riviste, approvazioni di farmaci e annunci di studi clinici, dove cerca dichiarazioni molto specifiche.
I partner di IBM all’Università del North Carolina hanno pubblicato il primo documento sull’efficacia di Watson for Genomics nel 2017. Per il 32% dei pazienti affetti da cancro arruolati in quello studio, Watson ha individuato mutazioni potenzialmente importanti non identificate da una revisione umana, il che ha reso questi pazienti buoni candidati per un nuovo farmaco o una sperimentazione clinica appena aperta. Ma non c’è alcuna indicazione, per ora, che Watson for Genomics porti a risultati migliori.
Il Dipartimento dei Veterani degli Stati Uniti usa Watson per i rapporti genomici in più di 70 ospedali nazionali, dice Michael Kelley, direttore del programma nazionale VA per l’oncologia. Il VA ha prima provato il sistema sul cancro ai polmoni e ora lo usa per tutti i tumori solidi. “Penso che migliori la cura del paziente”, dice Kelley. Quando gli oncologi del VA stanno decidendo un piano di trattamento, “è una fonte di informazioni che possono portare alla discussione”, dice. Ma Kelley dice che non pensa a Watson come un medico robot. “
La maggior parte dei medici sarebbe probabilmente felice di avere un bibliotecario AI al loro servizio e se questo è ciò che IBM aveva originariamente promesso loro, potrebbero non essere così delusi oggi. La storia di Watson Health è un racconto ammonitore di hubris e hype. A tutti piace l’ambizione, a tutti piacciono i colpi di luna, ma nessuno vuole salire su un razzo che non funziona.
Questo articolo appare nel numero di stampa di aprile 2019 come “IBM Watson, Heal Thyself.”