3 modi con cui l’intelligenza artificiale cambia pharma e industria
Dalla previsione dei picchi di influenza alla manutenzione predittiva, l’esperienza e i progetti di Angelini Industries. Dal settore farmaceutico a quello industriale
Anche nel comparto healthcare la training – e più in generale la promozione di un cambiamento culturale – è alla base del processo di trasformazione guidato dall’artificial intelligence. Dalla valorizzazione delle professionalità lungo tutta la filiera sanitaria fino all’efficientamento dei processi aziendali, passando per le scelte strategiche, il deep learning combinato ai big data permette di avere una quantità enorme di informazioni, utili a raggiungere i più svariati obiettivi.
“La possibilità di disporre di queste tecnologie non determina solamente uno switch delle competenze richieste, ma un vero e proprio cambiamento nel modo di lavorare”, ha spiegato a Wired Carlo Torniai, Group Chief Data & Analytics Officer di Angelini Industries, gruppo industriale attivo nei settori della salute, della tecnologia industriale e del largo consumo. E se l’azienda stessa sta conducendo svariate iniziative innovative nel campo dell’intelligenza artificiale, mirate a migliorare la qualità dell’assistenza medica, ottimizzare la gestione delle risorse e estendere la comprensione scientifica delle malattie trattate, il trend è evidente. “Sappiamo già che l’intelligenza artificiale diventerà pervasiva, anche dal punto di vista organizzativo, from the gestione, from the pianificazione and ofautoregolamentazione”, ha ribadito Torniai.
Tecnologia generativa al servizio dell’innovazione
Per migliorare la produttività aziendale e personale, cercando di massimizzare benefici apportati della ricerca in ambito medico-sanitario, le possibilità basate sull’AI generativa sono molteplici. “Anzitutto sono state automatizzate le azioni a basso impatto, riducendo al contempo la possibilità di errore umano e valorizzando il ruolo dei professionisti – continua Torniai -. Anche i processi clinici e le varie funzioni aziendali vengono ottimizzate perché, grazie al machine learning, è possibile analizzare in pochi secondi enormi quantità di dati ed effettuare previsioni strategiche”.
Un esempio (targato Angelini) è l’assistente virtuale alimentato da intelligenza artificiale Angela, in grado di offrire consulenza e supporto ai medici, in particolare agli epilettologi per il trattamento dell’epilessia. Angela agisce come complemento al lavoro degli scientific informants, fornendo informazioni sulle patologie e sulle terapie, utilizzando un archivio di domande e risposte predefinite e materiali scientifici approvati. E se un’iniziativa di questo genere mira a garantire un supporto continuo e immediato ai professionisti della salute, di fatto ha il duplice obiettivo di efficientare la gestione delle emergenze e di migliorare la qualità complessiva dell’assistenza.
Dall’influenza all’epilessia
Cambiando area medica, è in fase di sperimentazione l’uso del machine learning per prevedere i picchi influenzali, utilizzando dati statistici e aggregati come dati storici e le informazioni ambientali tra cui temperatura, segnali visibili dai satelliti, umidità eccetera. Questo modello predittivo non solo supporta la pianificazione delle campagne di distribuzione dei farmaci, ma fornisce anche informazioni cruciali per ottimizzare la produzione e la gestione degli stock, garantendo una maggiore sicurezza degli approvvigionamenti rispetto alle necessità del mondo reale. Insomma, oltre a determinare una riduzione degli sprechi e a rendere più efficiente l’intero iter di distribuzione, consente alle persone di disporre dei farmaci nei momenti di maggiore richiesta.
L’innovazione guidata dall’intelligenza artificiale si concentra anche nel campo della ricerca e dello sviluppo, dove il machine learning può essere utilizzato per migliorare la gestione multidisciplinare dei pazienti, identificando elementi predittivi, prevedendo l’evoluzione delle malattie ed evitando la somministrazione di farmaci a pazienti su cui risulterebbero poco efficaci.
Quando l’AI eleva le professionalità
Non è esagerato dire che l’intelligenza artificiale promuove l’efficienza e la produttività dei lavoratori nella maggior parte delle funzioni aziendali. Un esempio in questo senso è l’adozione di AskAI, una piattaforma basata sull’intelligenza artificiale generativa di ChatGPT 3.5 che offre un accesso rapido e sicuro a risorse e supporto (attraverso una web application disponibile su desktop e dispositivi mobili). Con l’obiettivo di garantire un utilizzo etico e responsabile dell’intelligenza generativa, ci ha raccontato Torniai, si stanno pianificando percorsi di formazione specifici per l’utilizzo di AskAI, che nel caso della Angelini Academy si combinano a video pillole e corsi.
Un’altra applicazione emblematica è TechMate, sviluppata da Angelini Technologies-Fameccanica (la divisione di Angelini Industries dedicata alle tecnologie industriali) e progettata con l’obiettivo di risolvere dei problemi tecnici dei macchinari da remoto. Grazie a un’interfaccia conversazionale basata su ChatGPT e all’indicizzazione della documentazione tecnica, è in grado di fornire risposte rapide e accurate, riducendo significativamente i tempi di fermo macchina e aumentando l’efficienza produttiva. Oltre a facilitare i lavoratori nei loro compiti quotidiani, l’utilizzo di questo tipo di tecnologie permette anche di valorizzare la professionalità, liberandoli da compiti ripetitivi e facilmente replicabili. Inoltre, l’intelligenza artificiale trova applicazione nella robot guidance, per ottimizzare i processi di prelievo e posizionamento degli imballi in ambito logistico. Attraverso tecniche di visione computerizzata e deep learning, l’intelligenza artificiale consente il rilevamento e la classificazione dei pacchi, migliorando la velocità e l’affidabilità delle operazioni di automazione e robotica.
Tecnologia trasparente e pratiche condivise
L’integrazione dell’AI nel settore sanitario, sebbene promettente, è particolarmente delicata perché comporta 
la necessità di prestare attenzione a non commettere errori strutturali, sia dal punto di vista tecnico sia ethical. “Oggi non abbiamo ancora tutte le risposte di cui abbiamo bisogno per cogliere le opportunità che ci offre l’intelligenza generativa – specifica Torniai -. Usando una metafora, è come se dovessimo guidare l’auto che ci porterà a migliorare l’intero settore sanitario mentre ancora la stiamo costruendo, cercando di evitare i principali pericoli”. Tra questi rischi c’è anzitutto la possibilità di output distortidovuti a valutazioni errate dei dati, e per questo è richiesta una costante vigilanza da parte degli esperti. Inoltre l’emergere di falsi risultati, causati dall’evoluzione dei modelli, solleva preoccupazioni sulla necessità di transparency e di revisione umana approfondita. La questione della privacy dei pazienti è altrettanto critica, poiché i dati sensibili richiedono un’attenta gestione e affidabilità dei sistemi di sicurezza.
Oltre a ciò, gli ostacoli finanziari – legati ai costi eccessivi di sviluppo e manutenzione dei modelli – possono limitare l’adozione diffusa dell’AI in sanità. La trasformazione guidata dall’AI sta andando a una velocità molto elevate e, soprattutto nei settori adeguati normati, il progresso di sviluppo sembra essere ancora più rapido. “Con l’AI Act sono state definite e approvate the guidelines per lo sviluppo e l’adozione di queste tecnologie generative, ma questo non significa che si sia diffusa a tutti i livelli la cultura adatta per il loro utilizzo su larga scala, né che si sia creata una buona integrazione con gli strumenti tradizionali – chiarisce Torniai -. Occorre un nuova cultura argomentativa e interrogativa per rendere i processi più trasparenti e spiegabili sia internamente sia verso l’esterno”. All’utilizzatore finale, allo stesso tempo, è richiesto di essere proattivo nell’utilizzo responsabile di queste tecnologie, gestendo nella migliore maniera possibile l’output finale.
Per raggiungere questo obiettivo c’è ancora tanta strada da fare ed è necessario uno sforzo generalizzato di tutti gli attori coinvolti. È in questo senso che va interpretata l’iniziativa, di Angelini Industries, di creare un gruppo di lavoro dedicato a big data analitycs e AI, facilitando il progresso di sviluppo di nuove competenze direttamente dall’interno. “È nata una community of practise, persone con interesse a progredire che si scambiano idee e best practise per favorire lo sviluppo tecnologico – conclude Torniai -. Del resto, anche il mondo aziendale dev’essere parte attiva nel processo di trasformazione culturale e favorire la diffusione di utilizzi consapevoli dell’IA generativa per la sanità”.
Related news: Gli articoli tecnologici con l’intelligenza artificiale sono (ancora) pieni di errori
Come l’Intelligenza Artificiale può creare un set di dati falsi ma credibili nella ricerca medica
Con Maddalena Pacelli alla scoperta della bioinformatica
