La tecnologia dell'intelligenza artificiale in campo medico è molto in voga, ma dove si colloca il suo modello di business?

Sono tempi emozionanti. Con l'arrivo di un'enorme ondata di informazioni provenienti da campi della medicina quali la genomica e l'imaging medico, saremo in grado di utilizzare l'intelligenza artificiale per analizzare questi dati e ricavare informazioni mediche.

Tuttavia, con l'aumento dei prodotti innovativi nel campo dell'intelligenza artificiale in ambito medico, cominciano anche a emergere alcuni vecchi problemi aziendali. Ad esempio, come possono le startup ottenere redditività in questo settore? E in che modo le aziende sanitarie possono utilizzare l'intelligenza artificiale per invertire il continuo aumento dei costi sanitari? Ma, cosa ancora più importante, come possono i prodotti di intelligenza artificiale in ambito medico guadagnarsi la fiducia degli enti regolatori governativi, delle compagnie assicurative, dei medici e dei pazienti?

Xconomy, un noto media estero, ha condotto approfonditi report sull'intelligenza artificiale in ambito medico, tra cui il lavoro correlato di grandi aziende come GE e IBM sull'intelligenza artificiale in ambito medico, la maratona di programmazione genomica (hackathon) e l'impatto dell'intelligenza artificiale in ambito medico su pazienti e medici.

I problemi dietro l'onda tecnologica

Queste domande sono emerse durante una recente cena organizzata da Xconomy, a cui hanno partecipato alcuni dei più importanti esperti di tecnologia e scienze della vita di San Diego. La discussione si è concentrata sulle opportunità e sui rischi derivanti dall'integrazione dell'intelligenza artificiale con l'assistenza sanitaria.

"Ciò che più amo di questo come investitore nel settore sanitario è l'aspetto tecnologico", ha affermato Kim Kamdar, partner della società di capitale di rischio Domain Associates, nel suo ufficio di San Diego. "Si apre una strada completamente nuova per potenziali coinvestitori nella nostra azienda".

Per quanto riguarda l'intelligenza artificiale in ambito medico, l'attuale consenso generale è che è effettivamente troppo presto per applicare l'apprendimento automatico e le tecnologie correlate in campo medico, ed è difficile prevedere come funzioneranno queste innovazioni. Sono anche queste le numerose domande sollevate da Jeff Engel, caporedattore di Xconomy, nel suo articolo "I numerosi impatti dell'intelligenza artificiale sui medici e sulle istituzioni mediche".

Tuttavia, non c'è dubbio che l'ondata di trasformazione nel campo medico sia in forte espansione e sia le piccole startup sia i giganti del settore come IBM e GE si stanno dando da fare per affermarsi in questo campo emergente.

Se c’è un settore che ha urgente bisogno di un’infusione di cambiamento, è quello sanitario. Solo negli Stati Uniti, la spesa sanitaria supera i 3,2 trilioni di dollari ogni anno, pari a circa il 18% del prodotto interno lordo.

Per gli investitori, il settore sanitario, seppur redditizio, può anche rivelarsi scoraggiante. In questo settore, pazienti, operatori sanitari e assicuratori hanno tutti interessi personali da perseguire e le questioni normative sono così complesse che potrebbero volerci 10 anni o più prima che un investimento dia i suoi frutti.

Quando si parla di potenziali azioni in questa ondata di intelligenza artificiale, probabilmente non esiste esempio migliore di Grail. La startup, uno spin-off di Illumina, la più grande azienda al mondo di sequenziamento genetico e valutata oltre 1 miliardo di dollari, sta lavorando per migliorare la sensibilità della tecnologia diagnostica per rilevare frammenti di DNA canceroso utilizzando campioni di sangue di routine.

Tuttavia, sono numerosi i casi di aziende che falliscono a causa della marea. Un esempio tipico è Theranos, un'azienda di tecnologia diagnostica finanziata da capitale di rischio, valutata 9 miliardi di dollari nel 2015, ma il cui valore è crollato a meno di un decimo di quella cifra l'anno scorso.

L'intelligenza artificiale in ambito medico sta guadagnando popolarità a San Diego, una città con un consolidato polo di scienze della vita e sede di due giganti del sequenziamento genetico: Illumina e il team Life Sciences Solutions di Thermo Fisher Scientific.

Allo stesso tempo, San Diego vanta anche molti esperti nella tecnologia delle reti neurali. Con l'ascesa di HNC Software, uno sviluppatore di software dedicato alla fornitura di strumenti analitici al settore finanziario, il suo software è stato utilizzato da FICO per prevedere frodi sulle carte di credito, ecc. (HNC Software è stata acquisita da FICO nel 2002 per 810 milioni di dollari in una transazione azionaria).

Cosa ne pensano i grandi nomi?

Alla cena organizzata da Xconomy sono stati invitati investitori locali, tra cui Kamdar, data scientist, CEO di aziende mediche, ricercatori accademici e dirigenti di aziende di salute digitale. La domanda iniziale della cena era se esistesse un modello di business comprovato per le startup che lavorano per applicare l'apprendimento automatico nel campo medico?

Per Larry Smarr, direttore di Calit2, un istituto di ricerca sulle telecomunicazioni e le tecnologie dell'informazione con sede presso l'Università della California di San Diego, il modello di business che viene in mente è proprio Illumina. Illumina è un'azienda pioniera nella tecnologia del sequenziamento genetico e si è sempre più dedicata all'analisi dei dati genomici, all'analisi delle funzioni biologiche e delle variazioni genetiche nascoste nel codice genetico.

"La capacità della soluzione cloud che stanno utilizzando per analizzare il genoma umano è davvero impressionante", ha affermato Larry Smarr. "E i dati richiedono davvero questo livello di analisi. Non abbiamo fatto questo tipo di analisi in passato, ma il volume di dati è aumentato esponenzialmente. Quindi, se non utilizziamo questi algoritmi, non possiamo aspettarci di ottenere alcuna intuizione medica da questi dati, specialmente in genomica e microbioma."

Grazie alla sua straordinaria tecnologia di sequenziamento genetico e ai suoi servizi di dati, Illumina ha trovato clienti in numerosi centri di ricerca genomica, istituti di ricerca clinica e aziende biotecnologiche e farmaceutiche. Ma un simile modello di business può essere facilmente replicato? Ad esempio, se un'altra azienda avviasse un'attività di analisi dei dati sul microbioma, la situazione sarebbe la stessa di Illumina?

Smarr ha poi spostato la conversazione dall'altra parte del tavolo a Rob Knight, che ha un incarico congiunto in pediatria e informatica presso l'Università della California, a San Diego. Knight è direttore del Center for Microbiome Innovation presso l'Università della California di San Diego e co-fondatore dell'American Gut Project, un'iniziativa scientifica cittadina che ha raccolto oltre 16.000 campioni di feci per aiutare gli scienziati a comprendere meglio il ruolo dei microbi nella salute umana.

"Innanzitutto, ricordate che sono un'organizzazione senza scopo di lucro", ha affermato Knight. "Penso che questo modello sarà sicuramente duro perché, in generale, le aziende che hanno costruito il loro business sulla vendita del sequenziamento genico non hanno avuto molto successo. Ad esempio, Celera ha spostato il suo modello di business sulla diagnostica."

"Penso che dovremmo in qualche modo spostare il paradigma verso un feedback in tempo reale e sviluppare un'interfaccia che consenta agli utenti di conoscere il loro microbioma", ha affermato Knight, facendo l'esempio di "far sapere agli utenti all'istante se il pezzo di pane che hanno appena mangiato sta avendo un impatto positivo o negativo sulla loro salute".

Naturalmente questa strategia aziendale è già stata implementata da alcune aziende. Nutrino, un'azienda tecnologica con sede a Tel Aviv, Israele, ha sviluppato applicazioni e piattaforme dati per aiutare gli utenti a comprendere in che modo il cibo che consumano influisce sulla loro fisiologia.

"Possono fornire indicazioni in tempo reale sull'impatto dell'impronta alimentare di un utente e sulle sue prestazioni in termini di glicemia", ha affermato Annika Jimenez, vicepresidente senior di DexCom, un'azienda con sede a San Diego specializzata nella tecnologia di monitoraggio continuo della glicemia e nella gestione del diabete.

"È simile ai premi assicurativi, ma col tempo cambieranno il loro modello di business per prendere di mira le aziende e altri potenziali clienti", ha affermato Jimenez.

Il vantaggio principale dell'intelligenza artificiale nel settore sanitario risiede nella sua capacità estremamente potente di catturare informazioni sui dati, che può ricavare informazioni mediche utili da exabyte a zettabyte di dati, una scala che supera di gran lunga la capacità di comprensione degli esseri umani.

"Per me, trovare un modello di business sostenibile sembra essere l'obiettivo finale a lungo termine", ha affermato Rick Valencia, presidente di Qualcomm Life, che sembrava scettico riguardo all'attuale modello di fatturato in questo campo. "Nel breve termine, penso che la risposta alla tua domanda sia 'no'. Almeno per quanto ne so, non ho trovato alcun modello di business valido. Penso che sia troppo presto adesso."

Navid Alipour, co-fondatore e socio amministratore di Analytics Ventures con sede a San Diego, ha affermato che CureMatch, in cui la sua azienda è un investitore, sta implementando un modello diretto al paziente, in cui i pazienti pagano direttamente CureMatch e l'azienda raccomanda una combinazione dei tre principali farmaci chemioterapici per ogni tumore.

Le raccomandazioni si basano sulla cartella clinica del paziente e hanno lo scopo di aiutare i medici oncologi a scegliere le opzioni terapeutiche. CureMatch ha affermato che i loro supercomputer hanno elaborato milioni di combinazioni di tre farmaci chemioterapici, valutato separatamente le interazioni farmacologiche di ciascuna combinazione e poi integrato le informazioni nei dati genetici per elaborare raccomandazioni sulle combinazioni di farmaci per pazienti specifici.

CureMetrix, un'altra società investita da Analytics Venture Capital, sta lavorando all'utilizzo dell'intelligenza artificiale per analizzare le immagini radiologiche mammarie per il cancro al seno. Naturalmente, la loro tecnologia deve ancora essere approvata dalla FDA prima di poter essere commercializzata negli Stati Uniti.

"Il software come servizio diventerà un modello di business", ha affermato Alipour. "Uno dei nostri investitori istituzionali in Messico ci sta presentando al loro governo ad alto livello. Il cancro al seno è un problema comune in Messico e non ci sono molti esperti in mammografia. Glielo stiamo concedendo in licenza a livello nazionale perché hanno un sistema sanitario nazionale. Quindi a volte dobbiamo pensare al di fuori degli Stati Uniti e del nostro sistema assicurativo".

CureMetrix è una delle numerose aziende che applicano l'apprendimento automatico alle immagini diagnostiche per identificare anomalie e questo modello di analisi basato sulle immagini sembra essere l'applicazione definitiva della tecnologia AI, ha affermato Jimenez. "Ma bisogna andare alla Strata Data Conference, che è probabilmente il più grande evento nel campo dei big data e della scienza dei dati, e i relatori sottolineano sempre quanto sia complesso questo caso d'uso. Si può immaginare che dovremo aspettare più di 10 anni."

L'obiettivo non è la sostituzione, ma l'utilizzo!

Quindi, quando l'intelligenza artificiale sostituirà i radiologi?

Smarr si è detto scettico sul fatto che l'intelligenza artificiale possa sostituire i radiologi. Al contrario, egli vede la tecnologia come un aiuto per i medici umani, consentendo anche ai peggiori radiologi di formulare diagnosi più accurate rispetto ai loro migliori colleghi umani.

"Quindi l'applicazione della tecnologia dell'intelligenza artificiale in medicina consiste in realtà nell'utilizzare enormi quantità di dati senza precedenti per armare gli esseri umani e migliorare la loro intelligenza", ha aggiunto Smarr. "Questo può realmente migliorare la produttività nel breve termine, ma questo breve termine si estende anche a decenni".

Mentre aziende come DexCom si concentrano sul diabete prevalente, Holy Grail sta lavorando per rimodellare il comportamento dei pazienti, ha affermato Jimenez: "Ciò significa integrare flussi di dati dal monitoraggio della glicemia, dalla misurazione dell'insulina, dal comportamento e dalla dieta dei pazienti e utilizzare l'apprendimento automatico per generare informazioni mediche in modo che il software possa inviare avvisi e raccomandazioni ai pazienti e ai loro medici in modo tempestivo".

"Ma siamo ancora nella fase in cui possiamo solo fornire alcuni numeri", ha aggiunto Jimenez. "Quindi stiamo solo dicendo al paziente qual è il suo livello di zucchero nel sangue, il che è fondamentale per il diabete di tipo 1, ovviamente. Ma per il diabete di tipo 2, devono interagire con l'app ed essere in grado di rispondere alle informazioni mediche. Ecco dove risiede la vera necessità dello sviluppo di app".

Forse l'obiettivo finale di questa tecnologia è sviluppare un'interfaccia utente in grado di soddisfare realmente le esigenze e di utilizzare le informazioni mediche ottenute tramite la tecnologia di apprendimento automatico per cambiare radicalmente le abitudini comportamentali dei pazienti diabetici.

La stessa opinione è condivisa da Jean Balgrosky, che ha ricoperto il ruolo di CIO per 20 anni presso grandi organizzazioni sanitarie, come Scripps Health a San Diego. Ha affermato: "Alla fine, tutte le tecnologie di apprendimento automatico dovrebbero essere assorbite e utilizzate dagli esseri umani per aiutare gli esseri umani nel campo medico".

Vincitore del Qingyun Plan di Toutiao e del Bai+ Plan di Baijiahao, del Baidu Digital Author of the Year 2019, del Baijiahao's Most Popular Author in the Technology Field, del Sogou Technology and Culture Author 2019 e del Baijiahao Quarterly Influential Creator 2021, ha vinto numerosi premi, tra cui il Sohu Best Industry Media Person 2013, il China New Media Entrepreneurship Competition Beijing 2015, il Guangmang Experience Award 2015, il China New Media Entrepreneurship Competition Finals 2015 e il Baidu Dynamic Annual Powerful Celebrity 2018.