"La medicina sta diventando guidata dai modelli"

L'ETH News: Signor Buhmann, con la digitalizzazione la nostra società è nel mezzo di un processo di trasformazione fondamentale. In che misura questo sta cambiando anche la medicina?
Joachim Buhmann: La medicina sarà guidata da modelli predittivi molto più di quanto non lo sia oggi. Con l'aiuto dei computer, oggi possiamo sviluppare modelli molto più complessi che in passato. E in nessun altro campo questi modelli sono più urgenti che in medicina. Possiamo raccogliere dati da molti casi medici e imparare da essi quali sono i meccanismi di una malattia. Tuttavia, dobbiamo tenere conto di così tanti parametri che abbiamo bisogno di macchine per elaborarli. Prima della digitalizzazione, noi umani non potevamo studiare modelli così complessi da non poterli ricordare. Oggi possiamo farlo, non più progettando noi stessi i modelli, ma pensando a come potrebbero essere gli algoritmi che generano i modelli. Questo è l'apprendimento automatico.

Ci può fare un esempio?
In uno dei nostri progetti ci stiamo concentrando sulla medicina cardiaca. Cardiologi e radiologi osservano il cuore da angolazioni diverse e generano dati diversi, ECG ed ecografie. I computer sono già eccellenti nel combinare e gestire diverse serie di dati. In futuro, c'è la fondata speranza che questi dati e gli algoritmi di apprendimento automatico ci permetteranno di fare affermazioni e prognosi affidabili, probabilmente più affidabili di oggi, quando due medici oberati di lavoro si siedono in riunione e valutano i risultati.

Quali sono le sfide di questa medicina guidata da modelli?
Prima di tutto, dobbiamo fare uno sforzo enorme per raccogliere effettivamente i dati. Da un lato, si tratta di dati di misurazione dei pazienti, che chiamiamo dati primari. Dall'altro lato, i dati annotati sono almeno altrettanto importanti. Si tratta del contenuto dell'anamnesi di un paziente che il medico ha formulato utilizzando i dati primari. La medicina è probabilmente una delle scienze empiriche più fondamentali e questi dati annotati rappresentano un fondo di conoscenza inestimabile. Accedere e utilizzare questi dati è un elemento essenziale della nostra ricerca. Naturalmente, è anche assolutamente fondamentale standardizzare l'acquisizione dei dati tra le varie discipline mediche e che gli ospedali mettano in comune i loro dati per ottenere una massa critica di casi. In questo ambito sono in corso iniziative di benvenuto nell'ambito della Rete svizzera per la salute personalizzata.

Chi siamo raccoglie dati personali e sensibili sul proprio corpo che si vogliono proteggere da un uso improprio.
Naturalmente, il trattamento dei dati deve essere regolamentato. Non vorrei nemmeno che il premio della mia assicurazione sulla vita aumentasse in seguito a un'analisi del genoma. Ma è possibile proteggere i dati con successo. Le questioni relative alla protezione dei dati sono oggi molto pubblicizzate. Forse anche perché sono facili da comunicare ai media. Tuttavia, la sfida meno facile da comunicare e molto più grande è quella di rendere i dati utilizzabili e comprensibili in primo luogo. Noi ci stiamo lavorando.

Anche i medici esprimono riserve sulla possibilità di trasmettere le storie mediche ai ricercatori. I medici darebbero un'idea dei loro metodi di lavoro e potrebbero rendersi vulnerabili.
Naturalmente, un medico sarà disposto a decidere di mettere a disposizione i propri dati solo se avrà la certezza che non saranno avanzate richieste legali nei suoi confronti sulla base di tali dati. Questo deve e può essere regolato da aspetti legali.

In che misura la professione medica cambierà con la digitalizzazione?
Permettetemi di usare una formulazione esagerata e suggestiva: un medico è in larga misura un database moderatamente ben organizzato. Un computer non sarà mai il medico migliore, perché il medico è anche al capezzale del paziente e un computer può trasmettere l'empatia solo in modo inadeguato. Ma i sistemi informativi sono i depositari più affidabili della conoscenza. Le competenze del medico che si basano sull'accesso e sulla generazione di conoscenza vengono modificate in modo massiccio dalla trasformazione digitale. Nel nostro gruppo, abbiamo costruito sistemi che analizzano biopsie di pazienti affetti da cancro. Oggi i computer sono a volte bravi come i patologi e a volte anche di più. Inoltre, i computer lavorano 24 ore su 24, 7 giorni su 7, e non esiste la chiusura del lunedì sera.

Oltre al suo lavoro di professore, lei è anche prorettore per lo studio all'ETH. Sono necessari degli aggiustamenti nella formazione medica?
Sì, assolutamente. La formazione matematica degli studenti di medicina deve essere drasticamente migliorata. Nel nuovo corso di laurea in Medicina dell'ETH stiamo cercando di diversificare l'offerta formativa degli studenti. Stiamo rafforzando l'area tecnologica e offrendo la materia dell'informatica medica, per la quale mi sono battuto.

I medici devono diventare informatici medici?
Un medico deve essere in grado di usare il computer. Non deve necessariamente essere in grado di scrivere programmi, anche se sarebbe bello se lo facesse. Ma se il computer gli dice delle sciocchezze, deve essere in grado di riconoscerle.

Nella sua ricerca, lei si occupa di catene di elaborazione dei dati. Cosa intende dire?
Prendiamo un paziente affetto da cancro. Per prima cosa gli viene prelevata una biopsia. Questa viene preparata, altri medici la annotano e ne traggono le loro conclusioni. In seguito, si aggiungono altre fonti di informazione che devono essere unite. I medici utilizzano già strumenti ovunque. In questa catena vengono utilizzati vari algoritmi complessi. Alla fine, il risultato è una diagnosi, una prognosi sul decorso della malattia e forse una terapia suggerita. Sono tutte previsioni. Questa lunga catena inizia con un'incredibile quantità di dati e alla fine rimangono solo pochi bit. Oggi non esiste una teoria che possa essere utilizzata per verificare se e dove si sono persi i bit essenziali in queste lunghe catene di elaborazione dei dati, al fine di migliorare la catena del processo. Lo sviluppo di una teoria di questo tipo per algoritmi robusti è una parte centrale della mia ricerca.