Uno degli ambiti di applicazione dell'intelligenza artificiale più promettenti è sicuramente quello medico. Gli algoritmi di machine learning sono fenomenali nell'interpretare e dare senso a grandi moli di dati che gli esseri umani faticano a mettere in relazione, e questa loro aprirà gradualmente le porte a sistemi per la diagnosi e la cura di malattie sempre più efficaci. L'ultimo passo in questo senso lo hanno fatto gli sviluppatori di Google in collaborazione con i ricercatori di Northwestern Medicine, che hanno sviluppato un software basato su machine learning capace di leggere una TAC e usarla per diagnosticare la presenza e prevedere l'insorgere di un tumore ai polmoni meglio di quanto possa fare un radiologo con otto anni di esperienza nel riconoscimento delle relative immagini.

Come funziona il sistema

Come per tutti i sistemi basati sulla tecnica del machine learning, il modello realizzato dai ricercatori ha dovuto prima sostenere una fase di addestramento, durante la quale ha memorizzato una banca dati di 45.000 TAC a basso dosaggio effettuate su 15.000 pazienti a partire del 2002. Questo ha dato modo ai ricercatori di informare correttamente gli algoritmi sullo sviluppo delle malattie di ciascuno dei pazienti (quando presenti), fornendo così al software una base dalla quale partire per poter poi effettuare le proprie diagnosi. Il vantaggio del sistema, riferiscono i ricercatori del  è che "può visualizzare i polmoni in modo unitario come un singolo oggetto tridimensionale, mentre i colleghi umani sono costretti ad analizzare il modello prendendo in considerazione centinaia di immagini bidimensionali una per volta, come fette di scansione in successione".

Le prestazioni contro gli umani

L'algoritmo ha superato il rendimento umano in particolare nell'analisi di scansioni singole. In questa situazione si è mostrato capace di identificare correttamente la presenza di masse tumorali il 5% più spesso rispetto a un team di sei radiologi, e contemporaneamente ha contenuto dell'11% rispetto a questi ultimi le probabilità di incappare in falsi positivi; le prestazioni di intelligenza artificiale e umana sono tornate paragonabili nei casi in cui a supporto delle TAC da analizzare erano presenti esami precedenti. Non solo: nel calcolare le probabilità di comparsa di un tumore o di una recidiva a due anni di distanza dalle analisi, l'intelligenza artificiale ha previsto correttamente l'insorgenza il 9,5% più spesso rispetto ai colleghi in carne e ossa. Prima che il sistema possa essere effettivamente utilizzato negli ospedali, avrà però bisogno di essere sottoposto a ulteriori verifiche sul campo.