L'arte dell'oncologia nell'era dell'IA: una conversazione con il Dr. Philippe E. Spiess

Il Dr. Philippe Spiess sul giudizio clinico, gli intervalli tra le visite e ciò che l'IA deve perfezionare nella cura del cancro

Un sistema di IA può conoscere le linee guida oncologiche e gli standard di trattamento più aggiornati relativi alla malattia di un paziente e, nonostante ciò, sbagliare l'impostazione terapeutica ottimale.

È una distinzione che, a suo avviso, il settore non ha ancora preso abbastanza sul serio.

“La domanda non è se un modello di IA possa superare un esame di oncologia”, afferma Spiess. “Certo che può. La domanda è se possa sbagliare in un modo che coinvolga il paziente e quanto siamo certi che ciò non accada”.

Per Philippe Spiess, questa distinzione è il fulcro di ciò che attende l'intelligenza artificiale nella cura del cancro.

L'IA è già straordinariamente capace di aggregare grandi quantità di informazioni. Ma il ragionamento clinico richiede qualcosa di più complesso: comprendere quali informazioni siano rilevanti per il paziente che si trova di fronte al medico, in un momento specifico del suo percorso oncologico.

“Uno degli elementi critici che ancora manca è il modo in cui [gli strumenti di IA] si applicano ai pazienti specifici che vediamo oggi in clinica”, osserva Spiess.

Un modello può identificare un trattamento supportato dalle linee guida, ma non tenere sufficientemente conto di una precedente nefrotossicità o epatotossicità. Potrebbe raccomandare un dosaggio standard senza riconoscere la storia clinica, le comorbidità o altri contesti che rendono tale raccomandazione inappropriata. Inoltre, potrebbe sapere ben poco delle priorità del paziente stesso.

“Le linee guida sono un quadro di riferimento”, afferma. “Non sono necessariamente personalizzate sul singolo paziente che hai di fronte”.

Spiess parla delle linee guida con una certa autorità, ricoprendo diversi ruoli di leadership all'interno dell'NCCN, tra cui nel Panel per il cancro alla vescica e al pene e nel Consiglio di amministrazione e Comitato direttivo. Sottolinea con forza che le linee guida NCCN rappresentano il miglior livello di evidenza disponibile e il giusto punto di partenza per la cura. Ma restano, appunto, un punto di partenza. “Una linea guida è costruita sulle popolazioni”, dice. “La cura deve essere costruita sulla persona”.

Le linee guida riflettono le evidenze disponibili tratte dalle popolazioni studiate negli studi clinici. Il paziente che il medico ha di fronte può essere più anziano, più fragile, presentare più comorbidità o essere semplicemente diverso dalle persone rappresentate in tali evidenze.

Secondo lui, la personalizzazione delle cure oncologiche deve essere adattata alle caratteristiche specifiche del paziente e del tumore che si ha di fronte, nonché agli obiettivi di cura del paziente stesso. Deve inoltre essere applicata con la consapevolezza che i risultati su cui si basano le linee guida potrebbero non rispecchiare appieno i dati demografici del paziente in trattamento, che si tratti di età, sesso, background etnico e razziale o distribuzione geografica.

“Le linee guida ti dicono cosa è stato studiato”, afferma. “Non possono dirti se la persona che hai davanti assomiglia a quelle che sono state studiate”.

Per Spiess, è qui che diventa importante la distinzione tra informazione e ragionamento clinico.

Conoscere le opzioni non equivale a sapere cosa fare.

La medicina è piena di decisioni che non possono essere prese semplicemente identificando ogni opzione teoricamente disponibile.

Spiess descrive i pazienti che ha seguito per quattro, cinque, sei o sette anni. Quel rapporto consolidato nel tempo cambia la conversazione clinica.

“Li conosco e so cosa può essere appropriato e cosa no”, dice. “Questo livello di personalizzazione è la vera arte della medicina”.

Un intervento potenzialmente curativo può essere appropriato per molti pazienti con una determinata diagnosi, ad esempio, ma del tutto inadatto per qualcuno le cui comorbidità rendono le conseguenze inaccettabili. La radioterapia, la chemioterapia, l'immunoterapia o un altro approccio potrebbero essere la scelta migliore. Il ragionamento qui riguarda i rischi concorrenti: un paziente potrebbe avere molte più probabilità di subire danni dal trattamento del proprio cancro che dal cancro stesso, e riconoscerlo non è una mancanza di ambizione, ma un atto di giudizio.

Ciò rappresenta un'interessante sfida per l'IA.

Un sistema in grado di recuperare ogni linea guida, interazione e potenziale considerazione rilevante potrebbe teoricamente fornire ai medici una quantità straordinaria di informazioni. Ma più informazioni non significano necessariamente cure migliori.

“C'è il rischio naturale di complicare le cose più del dovuto”, osserva Spiess.

L'ambizione, sostiene, dovrebbe essere l'opposto: un'IA che riunisca le informazioni e determini cosa è rilevante, invece di aggiungere semplicemente un altro flusso di avvisi, raccomandazioni e dati che i medici devono elaborare.

“Dovrebbero essere modellate per diventare parte integrante del team”, conclude. Dovrebbero essere un complemento per il medico, anziché bombardarlo o sommergerlo con informazioni che potrebbero non essere pertinenti.

La prossima sfida per l'IA in oncologia, quindi, potrebbe non essere semplicemente quella di sapere di più.

È sapere cosa conta, quando conta, per questo specifico paziente.

‍

“Sappiamo che tra una visita e l'altra succede molto”
Dott. Philippe E. Spiess

Il ragionamento clinico ha un tempo

Il momento è fondamentale.

Un paziente con una cisti renale benigna e qualcuno con un tumore avanzato aggressivo non possono seguire la stessa tempistica clinica. Spiess ritiene che i sistemi di IA debbano comprendere non solo la condizione del paziente, ma anche la sua gravità e le conseguenze di un eventuale ritardo.

“Trattiamo tutta la popolazione oncologica come un unico gruppo”, afferma, descrivendo una sfida che riscontra in tutto il settore sanitario. Per un paziente con un tumore aggressivo, “quattro o sei settimane possono potenzialmente fare la differenza nella prognosi.”

Ci tiene a precisare che non si tratta solo di intuito. Le analisi pubblicate sui tumori più comuni hanno associato ogni settimana di ritardo nell'inizio di un trattamento a intento curativo a un misurabile aumento assoluto della mortalità, e un ritardo di quattro settimane è stato associato a una peggiore sopravvivenza nelle modalità chirurgiche, sistemiche e radioterapiche (Khorana et al., 2019; Hanna et al., 2020). “Accettiamo in oncologia ritardi che non accetteremmo mai in cardiologia”, dice. “E raramente misuriamo in quale punto del percorso si accumuli effettivamente il ritardo, che quasi mai è quello che tutti presumono.”

Questo rende il ragionamento lungo tutto il percorso oncologico particolarmente importante.

Prima di una visita, ci sono informazioni da raccogliere e lavoro da coordinare. Durante la consultazione, le evidenze devono essere interpretate nel contesto del singolo paziente. E dopo l'inizio del trattamento, il bisogno di ragionamento clinico non svanisce.

Sotto molti aspetti, diventa più continuo.

“Sappiamo che tra una visita e l’altra succede molto”, afferma Spiess. “Tossicità, domande, dubbi. A volte persino ripensamenti, o magari la difficoltà di comprendere l’esito di un esame e il desiderio di ricevere una spiegazione.”

Il sistema sanitario dispone di portali e altri strumenti che consentono ai pazienti di contattare i propri team di cura, ma queste interazioni sono spesso sporadiche. Spiess vede nell’IA l’opportunità di creare qualcosa di più longitudinale: la capacità di seguire e interpretare l’evoluzione del percorso del paziente, con un’attenta supervisione clinica.

“Un percorso del paziente continuo, supportato da questi strumenti e, ovviamente, accompagnato da un’attenta supervisione, controllo e approvazione da parte dei medici, è una risorsa estremamente potente.”

Questo sposta il dibattito oltre una delle applicazioni più comuni dell’IA in ambito clinico: il supporto alla selezione o alla pianificazione del trattamento. La domanda più complessa, e forse più interessante, riguarda ciò che accade dopo che la decisione terapeutica è stata presa.

I sintomi cambiano. Emergono tossicità. I valori di laboratorio variano. Compaiono nuove immagini diagnostiche. Anche le circostanze e le preferenze del paziente possono mutare.

Il ragionamento clinico non avviene una volta sola. Di conseguenza, nemmeno i sistemi che lo supportano dovrebbero limitarsi a fornire sempre una raccomandazione. A volte sono necessarie ulteriori informazioni cliniche per definire l’approccio diagnostico o terapeutico ottimale. Questo principio è alla base del metodo adottato dal team di OncoBrain, il cui sistema identifica le lacune cliniche in un determinato caso e richiede le informazioni mancanti, consentendo di ottenere raccomandazioni quanto più precise e clinicamente appropriate possibile.

Ci sono anche situazioni in cui potrebbe non esserci un trattamento adeguato in un determinato contesto clinico; è importante riconoscerlo e portarlo all’attenzione del medico, affinché possa discuterne con il paziente per definire i passi successivi. In passato, l’IA è stata spesso messa in difficoltà in quest’area, a causa della tendenza a voler fornire una risposta computazionale a ogni domanda.

Un ulteriore livello di sicurezza

Spiess propone un esempio tratto dalla normale pratica clinica.

Un medico può avere decine di studi di diagnostica per immagini in attesa di essere esaminati. Uno di questi potrebbe contenere un elemento che richiede attenzione, ad esempio un linfonodo sospetto di tre centimetri. L’informazione è presente, ma il sistema sanitario dipende ancora dalla capacità di qualcuno di individuarla, riconoscerne il significato e agire di conseguenza. “È possibile che qualcosa sfugga? Assolutamente sì.”

In una situazione del genere, Spiess non chiede all’IA di prendere decisioni. Vuole solo un paio di occhi in più. “‘Ehi, hai notato che è stato rilevato un linfonodo sospetto di tre centimetri? È qualcosa che vuoi approfondire?’ Mi piacerebbe molto che uno strumento di IA potesse farlo per me.”

“L’IA non prende decisioni su come trattare o sottoporre a esami un paziente”, precisa. “È semplicemente un ulteriore livello di sicurezza.”

Lo stesso principio si applica quando il sistema non dispone di informazioni sufficienti.

Un paziente con una diagnosi recente potrebbe aver bisogno di note, risultati di laboratorio, diagnostica per immagini e referti patologici. Un paziente sotto sorveglianza potrebbe aver bisogno di tutt'altro. Più dati non significano automaticamente risultati migliori; la questione è se le informazioni disponibili siano sufficienti per la decisione clinica da prendere.

E quando non lo sono, il sistema deve riconoscerlo. “Sapere quando dire ‘non lo so, ed ecco perché’ è una funzione di sicurezza, non un limite”, afferma. “Preferirei di gran lunga uno strumento che rifiuti onestamente dieci casi piuttosto che uno che risponda con sicurezza a tutti e dieci sbagliandone due”. L'opinione di Spiess è che l'incertezza debba essere esplicita piuttosto che nascosta dietro una risposta sicura. Un sistema dovrebbe essere in grado di identificare le informazioni mancanti, cercarle o richiederle ove appropriato e rifiutarsi di fornire una raccomandazione quando le prove non la supportano.

Ciò è particolarmente importante nell'IA clinica, perché una risposta plausibile non è necessariamente una risposta sicura.

Il medico, nel frattempo, rimane responsabile della decisione.

Il ruolo della tecnologia è quello di raccogliere, segnalare, ricordare, interrogare e supportare, non di passare silenziosamente dal supporto alle decisioni a decisore autonomo.

‍

“Questi strumenti sono il modo in cui estendiamo questa missione
oltre i pazienti che possono raggiungerci fisicamente”.
Dott. Philippe E. Spiess

‍

E se la prima visita oncologica fosse già pronta?

Quando Spiess immagina il futuro dell'IA in oncologia, una delle possibilità più interessanti sembra sorprendentemente banale.

Un paziente arriva per la sua consulenza oncologica. La documentazione pertinente è già stata raccolta. Gli esami necessari sono stati completati. La patologia è stata ottenuta ed esaminata. La diagnostica per immagini è disponibile. Le autorizzazioni necessarie sono state gestite. Se il paziente può essere idoneo a una sperimentazione clinica, tale possibilità è già stata identificata. Se è richiesta un'assistenza multidisciplinare, i medici appropriati sono già coinvolti.

Il risultato è semplice: “Siamo in grado di prendere quella decisione oggi, non domani. Oggi.”

Il paziente potrebbe aver atteso settimane per una visita specialistica, solo per scoprire che le informazioni necessarie per sfruttare al meglio quell'appuntamento non sono ancora disponibili.

Per Spiess, l'anatomia patologica ne è un esempio particolarmente chiaro. Nel tumore alla prostata, il grado della biopsia, il volume del tumore e altre caratteristiche istologiche possono cambiare radicalmente l'idoneità di un paziente alla sorveglianza attiva, alla chirurgia, alla radioterapia o a un trattamento multimodale. Una revisione dei vetrini provenienti da altre strutture può portare a una riclassificazione della malattia, in meglio o in peggio, modificando di conseguenza il consiglio clinico.

Questo rende la revisione anatomopatologica parte integrante dell'accesso alle cure, non solo un processo di back-office.

Al Moffitt, spiega Spiess, si è lavorato per accelerare tale revisione, in modo che le informazioni necessarie siano disponibili prima della consultazione, ove possibile. Questo impegno rientra in un più ampio obiettivo istituzionale. Il Moffitt ha reso l'innovazione una priorità strategica centrale e Spiess è diretto su dove risieda, a suo avviso, il vero vantaggio: nell'impiego attento e responsabile dell'IA e dei prodotti digitali — molti dei quali sviluppati e perfezionati all'interno del centro stesso — come mezzo per raggiungere molti più pazienti oncologici di quanto qualsiasi singola istituzione potrebbe fare altrimenti. “La nostra missione è la cura e la prevenzione del cancro”, afferma. “Questi strumenti sono il modo in cui estendiamo la nostra missione oltre i pazienti che possono raggiungerci fisicamente.”

L'obiettivo non è complesso. È rendere la visita stessa utile.

Una diagnosi di cancro comporta già un notevole stress e incertezza. I ritardi nel reperimento delle informazioni possono posticipare le decisioni terapeutiche e aggiungere un ulteriore periodo di incertezza per i pazienti e le loro famiglie.

La lezione per l'IA è più organizzativa che tecnologica. “È necessario che le persone che lavorano sul campo siano integrate in questo processo”, dice. “Servono le persone che si occupano della programmazione. Bisogna comprendere a fondo il flusso di lavoro, sapendo esattamente chi deve intervenire su cosa e quando.”

L'IA potrebbe, col tempo, aiutare a gestire parte di questa complessità. Ma prima, qualcuno deve capire come funziona realmente l'assistenza nel sistema o nell'organizzazione.

‍

L'IA in oncologia: non funziona finché non ne provi il contrario, in questo ospedale, su questi pazienti

Spiess è ottimista riguardo all'IA, ma il suo punto di partenza per l'implementazione clinica è deliberatamente scettico. “Ho sempre detto che l'asticella deve essere fissata in questo modo: questi strumenti non funzionano, e spetta a noi dimostrare che invece lo fanno”.

Ciò significa dimostrare qualcosa di più delle semplici prestazioni tecniche su casi selezionati con cura.

I test iniziali possono cominciare con esempi standardizzati, ma Spiess ritiene che gli sviluppatori debbano testare anche scenari insoliti e casi limite, ovvero quelle situazioni che rivelano se il sistema è in grado di riconoscere quando qualcosa non ha senso dal punto di vista clinico e, aspetto fondamentale, quando non dispone di informazioni sufficienti per fornire una risposta. “Se si riesce a sviluppare uno strumento di intelligenza artificiale che funziona bene in casi estremi e insoliti, probabilmente si ha tra le mani qualcosa di molto significativo.”

Per Spiess, la gerarchia delle prove è fondamentale. Il sistema deve fornire informazioni affidabili e basate su evidenze scientifiche. Deve comunicare l'incertezza anziché nasconderla. Le prestazioni devono essere costanti su diversi pazienti e in contesti clinici reali, non solo su esempi selezionati.

Inoltre, qualsiasi output in grado di influenzare la diagnosi, il trattamento o il triage deve rimanere sotto la supervisione di personale clinico qualificato, con adeguate misure di sicurezza e percorsi di escalation. Solo una volta stabilite queste basi, l'efficienza acquista un significato reale.

Spiess indica una serie mirata di misure operative in grado di dimostrare un valore tangibile: tempo risparmiato dal medico; tempo che intercorre tra la disponibilità dell'informazione e la decisione clinica operativa; aumento della capacità clinica senza compromettere la sicurezza o la qualità; costo per caso; e tempi di attesa dei pazienti. Queste misure sono importanti.

Tuttavia, l'efficienza non può compensare un sistema clinico non sicuro o inaffidabile. E la validazione non può terminare con l'entrata in funzione. I modelli cambiano. Le linee guida vengono riviste. Emergono nuovi studi. Nuovi trattamenti portano nuovi profili di tossicità. La pratica clinica stessa si evolve.

“Non possiamo dare per scontato che questi modelli funzioneranno sempre bene”, afferma. “Ciò che è valido oggi potrebbe non esserlo tra sei settimane.”

La validazione deve quindi estendersi oltre il modello stesso.

Spiess descrive la necessità di una “visione a 360 gradi”: comprendere la tecnologia sia negli ambienti di test che in quelli operativi, comprendendo al contempo il sistema sanitario in cui viene introdotta.

Uno strumento tecnicamente solido può fallire se non si adatta al flusso di lavoro, alle persone o alla direzione strategica che lo circonda.

“Si può avere uno strumento meraviglioso”, dice, “ma se l'istituzione o l'azienda punta in una direzione diversa, o se le persone non sono pronte a utilizzarlo, allora non si sta implementando lo strumento giusto.”

In altre parole, l'onere della prova non viene trasferito al medico solo perché la tecnologia appare impressionante. Spetta a chi la introduce.

‍

Incoraggio i pazienti a utilizzare qualsiasi risorsa
che ritengano utile per sentirsi più sicuri e
in grado di comprendere la propria patologia.”
‍Dott. Philippe E. Spiess

‍

I pazienti non aspettano che il settore sanitario comprenda l'IA

C'è un altro motivo per cui i medici devono iniziare a confrontarsi con l'IA fin da subito: i loro pazienti lo stanno già facendo.

Spiess vede regolarmente pazienti arrivare con pagine di informazioni raccolte tramite risorse online e strumenti di IA.

A volte queste informazioni li aiutano ad approfondire la propria diagnosi. Altre volte li portano su strade del tutto irrilevanti per il loro caso specifico.

“È uno strumento potente”, afferma. “Ma può anche essere un po' rischioso, perché potrebbe portare a una comprensione distorta della malattia.”

La sua risposta non è quella di dire loro di smettere. “Incoraggio i pazienti a utilizzare qualsiasi risorsa che ritengano utile per sentirsi più sicuri e in grado di comprendere la propria patologia.”

Questo cambia anche il ruolo del medico. Sempre più spesso, il suo compito include aiutare i pazienti a capire cosa cercare, indirizzarli verso fonti affidabili e contestualizzare ciò che scoprono all'interno del loro specifico percorso di cura.

Tuttavia, Spiess ritiene anche che il sistema sanitario possa migliorare.

Una visita oncologica può richiedere a una persona di assimilare una quantità straordinaria di informazioni: diagnosi, opzioni terapeutiche, rischi, esami, procedure e passi successivi. “Riescono davvero ad assimilare tutte queste informazioni?” si chiede.

L'IA potrebbe contribuire a proseguire tale conversazione oltre la visita, spiegando in cosa consistono una TAC, una risonanza magnetica o una biopsia, aiutando il paziente a comprendere quanto appena appreso e, forse, riducendo parte dell'ansia generata dall'ignoto.

Per Spiess, questo aspetto non dovrebbe essere marginale nello sviluppo dell'IA clinica.  “Dobbiamo assicurarci che gli strumenti che sviluppiamo integrino elementi di educazione, formazione e supporto al paziente, che siano centrali nel modo in cui vengono costruiti e proposti.”

Ciò significa anche progettare in modo da non riprodurre silenziosamente le barriere esistenti all'assistenza: utilizzando un linguaggio comprensibile, livelli adeguati di alfabetizzazione sanitaria e garantendo l'accessibilità ai pazienti che potrebbero trarne maggior beneficio.

L'IA dovrebbe imparare a pensare come il suo medico?

Man mano che l'IA diventa più personalizzata, emerge un'altra domanda: dovrebbe imparare a pensare come il singolo medico?

Spiess è affascinato da questa possibilità, pur non sentendosi del tutto a proprio agio. Un sistema che apprendesse i modelli di un singolo clinico potrebbe iniziare a catturare non solo ciò che quel medico fa, ma anche parte del ragionamento sottostante: quelle considerazioni che non vengono mai messe per iscritto.

“La parte interessante non è ciò che ho deciso,” afferma. “È il motivo per cui l'ho deciso, ed è questo l'aspetto che quasi mai scriviamo.”

Tuttavia, limitarsi a riprodurre il medico potrebbe creare un problema a sé stante. Come ogni essere umano, anche i medici hanno punti ciechi e pregiudizi.

“Probabilmente ci sono aree in cui ti viene detto: 'Beh, non hai considerato questi vari elementi',”osserva Spiess. Forse, quindi, l'IA dovrebbe fare qualcosa di più interessante che imparare semplicemente ad essere d'accordo con il medico. “È probabilmente importante che l'IA ci offra una visione a 360 gradi su noi stessi, chiedendoci se abbiamo dei pregiudizi quando valutiamo i pazienti.” 

Uno strumento che si limita a confermare il medico rischia di automatizzare i punti ciechi insieme alle competenze. Se utilizzata diversamente, l'IA potrebbe diventare tanto uno strumento educativo quanto un supporto alle decisioni: facendo emergere ciò che il medico ha trascurato e stimolando una riflessione sul proprio ragionamento.

Esiste, tuttavia, un confine su cui Spiess è categorico.

“L'arte sta nel garantire che il medico rimanga il fulcro centrale di tutto questo. Non è l'IA a gestire l'assistenza clinica facilitata dai medici. È l'esatto opposto, e questo non deve mai cambiare.”

“Ci sono pazienti che vedo oggi per i quali, sì, si tratta di controlli, ma vengono a trovarmi semplicemente perché,” dice. “Diventano quasi come amici.”

Alcuni portano persino dei regali.

“Ho pazienti che mi portano calzini perché sanno che mi piace indossarli di colori diversi. È questo il tipo di rapporto. Onestamente, è probabilmente uno degli aspetti più gratificanti della professione medica.”

‍

“...Questi strumenti verranno sviluppati
insieme ai medici o attorno a loro,
e la differenza si vedrà nella cura del paziente.”
‍Dott. Philippe E. Spiess

‍

Rendere la tecnologia meno visibile: una visione a 5 anni?

Se si chiede a Spiess di immaginare l'oncologia tra cinque anni, non descrive una clinica oncologica autonoma. Descrive una tecnologia che diventa più integrata e, per molti versi, meno visibile.

L'IA, secondo lui, probabilmente si evolverà da una raccolta di singoli strumenti a uno strato che copre gran parte del percorso clinico: diagnosi e patologia, stratificazione del rischio, pianificazione del trattamento, monitoraggio, follow-up e coinvolgimento del paziente.

Sempre più spesso, questi sistemi potranno sintetizzare informazioni cliniche, genomiche, di imaging, patologiche e del mondo reale; identificare intuizioni rilevanti; anticipare le necessità future; e ridurre il carico amministrativo legato alle decisioni cliniche.

La stessa intelligenza non dovrebbe svanire quando il paziente esce dalla clinica.

Può continuare durante il trattamento, la sorveglianza e il follow-up, aiutando i pazienti a capire cosa sta succedendo e i medici a riconoscere ciò che richiede realmente la loro attenzione.

Per arrivarci saranno necessari test rigorosi, l'integrazione con le cartelle cliniche elettroniche, un'attenta supervisione clinica e cambiamenti nel modo in cui lavorano i team sanitari.

Il consiglio di Spiess ai colleghi ancora incerti è pratico: imparate abbastanza sull'IA da capire come funziona, sperimentatela, comprendete come il modo in cui ponete le domande influenzi le risposte che ricevete e mantenete un atteggiamento opportunamente critico verso i risultati. “Non dovete diventare data scientist”, afferma. Tuttavia, è necessario essere presenti. Questi strumenti verranno sviluppati insieme ai medici o attorno a loro, e la differenza si rifletterà sulla cura del paziente.

Nonostante la sofisticazione che immagina — un'IA capace di aggregare cartelle cliniche, seguire i pazienti nel tempo, identificare informazioni potenzialmente trascurate e persino mettere in discussione le ipotesi cliniche — c'è un aspetto di quel futuro che non ha alcun interesse ad automatizzare.

Il rapporto umano.

Nessun algoritmo, per quanto sofisticato, possiede il bagaglio relazionale del medico che ha seguito una persona nel tempo: la sua storia, i suoi obiettivi, le aspettative, la tolleranza alla tossicità, le priorità e tutto ciò che potrebbe non essere mai rappresentato appieno nella cartella clinica.

Forse è proprio questo il banco di prova più utile per la prossima generazione di IA in oncologia.

Non se sia in grado di replicare l'oncologo, ma se riesca a farsi carico di una parte sufficiente del carico informativo legato alla cura del cancro, aiutando i medici a essere più informati, più preparati e più capaci di concentrarsi sul paziente che hanno di fronte.

In tutto e per tutto.

‍

‍

‍

Informazioni sul Dr. Philippe E. Spiess

Il Dr. Philippe E. Spiess è Senior Member del Dipartimento di Oncologia Genitourinaria, Chief of Clinical Innovation e Assistant Chief of Surgical Services presso il Moffitt Cancer Center. Ricopre il ruolo di Vice-Presidente del NCCN Bladder and Penile Cancer Panel ed è rappresentante clinico del Moffitt presso il Governance Council e lo Steering Committee dell'NCCN. È inoltre Chief Medical Officer di OncoBrain AI. Le opinioni qui espresse sono personali.