Stanno inserendo i dati nell’elaboratore. Hanno iniziato in primavera e finiranno a dicembre. Poi, tra un anno, finiti i test il prototipo sarà funzionante. Alla Columbia University medici e informatici stanno istruendo DeepQA, la tecnologia sviluppata da Ibm per comprendere il linguaggio naturale. «Tra un anno sperimenteremo il primo e più potente assistente medico della Terra – spiega Roberto Sicconi direttore al centro di ricerca T.J. Watson dell’Ibm del programma DeepQA New Opportunities –. Un supercomputer per aiutare i dottori nella diagnosi, capace di analizzare i database mondiali e sulla base dei sintomi del paziente fornire una rosa di possibili patologie. In pochissimi secondi».
Quello che hanno in mente gli scienziati dell’Ibm è un Pico della Mirandola, un topo da biblioteca scientifica, un tignoso-so-tutto che sa scartabellare fra articoli scientifici, tesi di laurea e ricerche per estrarre informazioni sulla base dei sintomi lamentati dal paziente. Senza interpretare nulla, solo su base statistica. «Sappiamo che sulla diagnosi molto è legato più all’arte che alla scienza – ammette l’ingegnere dell’Ibm –. I medici non ci chiedono un assistente che fornisca la diagnosi. Ma qualcuno che per esempio consulti per loro tutti gli ultimi risultati della ricerca per trovare casi simili o indaghi nelle malattie rare. Solo nell’ambito della neurologia ogni anno escono 20mila paper. In teoria uno specialista dovrebbe leggerli tutti. Per una medico di base la sfida è ancora più ardua. Poi c’è il problema del tempo: negli Stati Uniti gli appuntamenti dal dottore non durano più di sei-sette minuti per paziente. Per non rischiare di sbagliare i medici sia in Italia che negli Stati Uniti prescrivono molti più esami del necessario, facendo così lievitare i costi per il sistema sanitario e per le assicurazioni». E infatti sono proprio le compagnie di assicurazioni – una potenza economica negli Usa – a essere particolarmente interessate all’adozione del supercomputer negli ospedali. Non senza ingiustificati sospetti: applicare una tecnologia di questo tipo in fase di terapia potrebbe essere percepito come un tentativo di condizionare le scelte del medico. Allo stesso modo però, la stessa tecnologia applicata alla ricerca consentirebbe di analizzare e comparare più studi sullo stesso principio attivo. Sui farmaci tumorali, ad esempio, è in corso una sperimentazione di questo tipo alla Duke University. «Per affrontare quei tumori che si sono dimostrati più resistenti a certi tipi di farmaci, sta dando risultati positivi il mix con medicinali approvati per altri tipi di neoplasie. Queste sono medicine che non sono approvate per quella specifica patologia e quindi non vengono rimborsate dalle assicurazioni. Per accelerare i tempi di approvazione da parte della Food and Drug Administration (Fda), una possibile soluzione è passare dallo screening clinico a quello computerizzato, magari con il concorso di un maggior numero di centri di ricerca e ospedali».
Il supercomputer di Ibm garantirebbe quindi tempi più rapidi rispetto al passato. Tuttavia, raccogliere le sperimentazioni che avvengono in tutto il mondo in modo da isolare e selezionare i casi di studio che possono concorrere all’approvazione o meno di un farmaco richiede l’organizzazione e il coordinamento di ogni soggetto interessato. Un problema, questo, più di ordine politico e organizzativo che informatico. Quindi trattasi di un talento che un supercomputer studiato per rispondere a domande non può ancora possedere. Per ora. Quattordici anni fa invece la sfida era un’altra: battere l’uomo a scacchi. Deep Blue ci riuscì solo un anno dopo nel 1987 prendendosi la rivincita con il campione di scacchi Garry Kasparov. Quel risultato convince gli ingegneri a studiare applicazioni di Deep Blue per altri settori. Stessa genesi per il progetto DeepQA: «Nel 2007 – racconta Sicconi – volevamo battere i migliori concorrenti di Jeopardy, un quiz televisivo americano. La macchina doveva rispondere a domande di cultura generale senza collegarsi a internet. Da vent’anni Ibm lavora sul linguaggio naturale. Rispondere a una domanda per un computer è una operazione muscolare, che richiede tantissima potenza di calcolo. Mentre il cervello umano produce nel processo conoscitivo un gran numero di indici che vengono aggiornati con le nuove informazioni, la macchina deve essere istruita, per competere con noi deve usare la forza bruta, muoversi rapidamente tra un gran mole di dati e poi decidere se una informazione è affidabile o meno. In altre parole, mentre noi discerniamo tra le fonti, il computer ricorda tutti i dettagli ma ha difficoltà ad estrarre l’informazione richiesta».
Dopo molti insuccessi nel 2007 all’Ibm decidono di imprimere una svolta, formano una squadra di 35 ricercatori (tra cui Sicconi) e si danno tre anni per battere un umano a Jeopardy. Nasce così il progetto Watson. «Chiaramente molto dipende dalla bravura dei concorrenti, ma oggi riusciamo, anzi Watson riesce a vincere due volte su tre». Ora si apre la fase più interessante, decidere a quali domande in futuro il supercervellone dovrà rispondere. Volendo è la fase più scontata.

pubblicato su Nova del 18 novembre