Oggi l’Intelligenza Artificiale rappresenta per il mondo sanitario un alleato strategico, in grado di impattare positivamente su ambiti diagnostici e terapeutici. Nonostante queste potenzialità, il suo utilizzo in questo campo è però ancora ridotto, frenato da limitazioni del budget, questioni di privacy e i problemi relativi agli accessi. Le principali aree d’impiego riguardano l’imaging medico, la patologia digitale e la genomica. Tre aree in cui l’uso dell’Intelligenza Artificiale non è solo in grado di migliorare l'accuratezza delle diagnosi, ma di aiutare anche a individuare velocemente importanti malattie.
All’interno del flusso di lavoro dell’imaging medico, i modelli di deep learning, in particolare, sono  capaci di tagliare i tempi di analisi, permettendo diagnosi precoci. In questo ambito le aree di studio che spiccano maggiormente includono l’individuazione di noduli polmonari, del tumore al cervello, della sclerosi multipla, del tumore al seno e alla prostata.

Nel campo della patologia si sta assistendo oggi a una crescita della domanda di questo tipo di servizi: una richiesta che sta aumentando più velocemente rispetto ai medici patologi disponibili. Questo obbliga i laboratori e le loro procedure tradizionalmente manuali a raggiungere nuovi livelli d'efficienza. Normalmente i vetrini vengono, infatti, preparati con un campione di tessuto del paziente e, poi, rivisti uno a ad uno da un patologo con un microscopio ad alto ingrandimento. Un processo, che non è solo soggetto a errori, ma richiede anche molto tempo, soprattutto se il patologo necessita di consultarsi con esperti esterni. L’AI è in grado di dare un aiuto prezioso, riducendo tempistiche e margini d'errore. Benefici enormi che purtroppo sono ancora poco diffusi: sul fronte dell'Intelligenza Artificiale la patologia digitale si trova, infatti, anni indietro rispetto all’imaging medico. A causarne il Un ritardo che potrebbe essere in parte dovuto al tipo di supporti alla base di questa attività, indubbiamente più lenti da digitalizzare.

Confrontata con l’imaging medico o la patologia digitale, la gestione dei dati nella genomica rappresenta una sfida ancora più difficile. Il sequenziamento dell'intero genoma crea, infatti, problemi di gestione dei dati sia nella ricerca sia in ambito clinico per la quantità d’informazioni da trattare: fino a 1 terabyte per un singolo individuo. La situazione è aggravata, poi, dal fatto che non esiste un equivalente di un sistema di archiviazione e comunicazione delle immagini (PACS) o di un archivio neutro di vendor neutral archive (VNA) per la gestione dei dati genetici. Eppure anche in questo ambito l'Intelligenza Artificiale ha un potenziale decisamente enorme, contribuendo a trasformare in modo radicale un'area d'indagine così complessa.


NetApp, le soluzioni a supporto della Sanità
A fronte di tanti benefici sono molte le aziende che sfruttano le soluzioni cloud ad oggi disponibili. Tra queste spiccano quelle di NetApp, in grado di mettere a disposizione interessanti funzionalità di Intelligenza artificiale. Wuxi Next Code, la società di analisi e piattaforma per i dati genomici leader a livello mondiale, si avvale per esempio di NetApp Cloud Volumes per semplificare l'implementazione e ottimizzare la gestione delle applicazioni data-driven, con il toolset basato sull'Intelligenza Artificiale del vendor, specificatamente progettato per analizzare in modo efficiente enormi quantità di dati genomici e clinici.  Allo stesso modo, grazie all’All-Flash e alle soluzioni di Big Data Analytics di NetApp, il Mt. San Rafael Hospital, in Colorado, ha accelerato l’accesso ai dati e si serve di informazioni predittive per migliorare la vita dei pazienti, mentre l’azienda biofarmaceutica AstraZeneca ha deciso di fare affidamento sui dati per progredire nella ricerca e sviluppo dei farmaci, accelerare il time to market e identificare i trattamenti personalizzati per ogni paziente.