I sistemi di intelligenza artificiale di seconda generazione si concentrano sui progressi in cui, anziché analizzare i dati per l’assistenza alla diagnosi, la previsione o la terapia su misura, le piattaforme di seconda generazione aiutano a migliorare i processi biologici.
 
Il miglioramento della salute globale richiede che i farmaci siano più efficaci e convenienti. Sebbene siano disponibili più farmaci di marca e generici, la perdita parziale o completa della risposta ai farmaci cronici è una delle principali cause di inefficacia. Combinare questo con una mancanza di aderenza da parte dei pazienti porta a problemi sanitari ancora maggiori.  

I sistemi di intelligenza artificiale di prima generazione non hanno risposto a queste esigenze, il che ha portato a un basso tasso di adozione. Ma i sistemi di intelligenza artificiale di seconda generazione sono focalizzati su un singolo argomento: migliorare i risultati clinici dei pazienti. Le pillole digitali combinano un sistema di intelligenza artificiale di seconda generazione personalizzato insieme al farmaco di marca o generico e migliorano la risposta del paziente in quanto aumenta l’aderenza e supera la perdita di risposta ai farmaci cronici. Funziona per migliorare l’efficacia dei farmaci e quindi ridurre i costi sanitari e aumentare l’adozione da parte degli utenti finali.

 
Ci sono molti esempi per dimostrare che c’è una perdita parziale o totale della risposta ai farmaci cronici . La resistenza ai farmaci antitumorali è un ostacolo importante per il trattamento di neoplasie multiple, un terzo degli epilettici sviluppa resistenza ai farmaci antiepilettici; inoltre, una percentuale simile di pazienti con depressione sviluppa resistenza agli antidepressivi. Oltre alla perdita di risposta ai farmaci cronici, anche la bassa aderenza è un problema comune per molte malattie non trasmissibili. Poco meno del 50% dei pazienti gravemente asmatici aderisce alle cure per via inalatoria, mentre il 40% dei pazienti ipertesi mostra non aderenza.

I sistemi di seconda generazione hanno lo scopo di migliorare i risultati e ridurre gli effetti collaterali. Per superare l’ostacolo dei pregiudizi indotti dai big data, questi sistemi implementano un concetto n = 1 in un regime terapeutico personalizzato. Questo focus dell’algoritmo migliora il risultato clinicamente significativo per un singolo soggetto. Il sistema a circuito chiuso personalizzato utilizzato dal sistema di seconda generazione è progettato per migliorare la funzione dell’organo terminale e superare la tolleranza e la perdita di efficacia.

Cosa c’è di meglio con i sistemi di intelligenza artificiale di seconda generazione
I sistemi di prima generazione sono stati progettati per promuovere il modello 4P: trattamento predittivo, personalizzato, preventivo e partecipativo e fornire autonomia al paziente. I sistemi di intelligenza artificiale di seconda generazione, invece, aggiungono la ‘ 5° P ‘, che è progresso. Piuttosto che analizzare i dati per l’assistenza alla diagnosi, la previsione o la terapia personalizzata, le piattaforme di seconda generazione aiutano a migliorare i processi biologici.

I sistemi di intelligenza artificiale di seconda generazione migliorano gli endpoint sintomatici o di laboratorio quantificabili e si concentrano sul miglioramento della funzione degli organi, della salute mentale e della risposta ai farmaci. L’obiettivo degli algoritmi è riportare in carreggiata la funzionalità dell’organo.

Molte malattie croniche si muovono lungo una traiettoria dinamica che crea una sfida di progressione imprevedibile. Questo è spesso ignorato dall’IA di prima generazione in quanto richiede un adattamento costante dei regimi terapeutici. Inoltre, molte terapie non mostrano perdita di risposta fino a pochi mesi. I sistemi di intelligenza artificiale di seconda generazione sono progettati per migliorare la risposta alle terapie e facilitare l’analisi delle variabilità intersoggettive e intrasoggetto in risposta alle terapie nel tempo.

La maggior parte dei sistemi di intelligenza artificiale di prima generazione estraggono dati da grandi database e impongono artificialmente un rigido algoritmo “uno per tutti” a tutti i soggetti. I tentativi di modificare costantemente i regimi di trattamento basati sull’analisi dei big data potrebbero essere irrilevanti per un singolo paziente. L’imposizione di un adattamento “vicino all’ottimale” a tutti i soggetti non risolve le difficoltà associate alla dinamicità e alla variabilità intrinseca dei sistemi biologici. I sistemi di intelligenza artificiale di seconda generazione si concentrano su un singolo paziente come epicentro di un algoritmo e adattano il loro output in modo tempestivo. Rispondono continuamente al feedback in modo personalizzato e generano un database approfondito.

Queste piattaforme non richiedono un grande volume di dati di alta qualità e dovrebbero essere in grado di funzionare in base all’input di un singolo paziente. I sistemi convenzionali di machine learning sviluppati per analizzare enormi set di dati non sono analoghi al modo in cui si comportano i cervelli. Il cervello apprende analizzando i dati all’interno di un determinato contesto. Non è necessario guardare mille aeroplani per differenziare un aeroplano da un uccello. Questa differenza di approccio è problematica quando si cerca di ottenere buoni risultati per i singoli pazienti. Generalizzare da grandi set di dati a un singolo paziente non ha successo in molti casi a causa di una grande eterogeneità tra i soggetti e dei continui cambiamenti individualizzati nei fattori scatenanti della malattia e nelle risposte dell’ospite. Il concetto n = 1 può essere implementato nelle piattaforme di seconda generazione concentrandosi sulla dinamicità della malattia e sulla risposta all’intervento in un singolo paziente. Le variabili multiple relative all’ospite, alla malattia e all’ambiente apprese dai grandi set di dati possono essere implementate in un singolo algoritmo basato sul soggetto che analizza l’input e genera output a quel soggetto.

Malattie mentali e rare
Un’altra grande sfida per i sistemi sanitari sono i pazienti con malattie rare. Dalla diagnosi tardiva e diagnosi errata alla mancanza di una risposta adeguata alle terapie e persino all’assenza di strumenti di monitoraggio validi, questi pazienti devono affrontare grandi ostacoli. Gli algoritmi di intelligenza artificiale (AI) di prima generazione sono stati progettati per migliorare la gestione delle malattie croniche, ma a causa della carenza di risorse di big data in questi casi, non si sono rivelati utili. Poiché i sistemi basati sull’intelligenza artificiale di seconda generazione sono personalizzati per il paziente, il sistema fornisce un mezzo per la diagnosi precoce e persino metodi per migliorare la risposta alle terapie, poiché è un sistema dinamico che si adatta ai cambiamenti in corso nella malattia dei pazienti e nella risposta alle terapia e non dipende da grandi set di dati.

Le pillole digitali di seconda generazione hanno anche dimostrato risultati nel trattamento delle malattie mentali gravi (SMI), che sono una delle principali cause di disabilità a lungo termine in tutto il mondo. Un sistema di medicina digitale ( DMS ), che è fondamentalmente una combinazione farmaco-dispositivo per pazienti con SMI che consente la misurazione dell’aderenza. Ciò fornisce a medici e operatori sanitari molte informazioni sul trattamento dei pazienti.

 
Nel novembre 2017, la FDA ha approvato una versione di un antipsicotico di seconda generazione, l’aripiprazolo, integrato con un sensore (Abilify MyCite). I ricercatori del MIT hanno creato una pillola che contiene un sensore in grado di rilevare il sanguinamento intestinale . Hanno anche creato pillole contenenti sensori che, una volta ingerite, sono fatte di idrogel che si gonfiano nell’intestino fino alle dimensioni di una pallina da ping pong. In questo modo, invece di passare direttamente dallo stomaco, i sensori ingeribili delle dimensioni di una palla possono rimanere in situ più a lungo e tenere sotto controllo lo stomaco per un tempo maggiore. Una fotocamera ingoiabile chiamata PillCam scatta foto dell’intestino del paziente mentre viaggia attraverso l’intestino. L’intelligenza artificiale rileva quando è a riposo e rallenta il frame rate e lo accelera quando è in movimento per assicurarsi che non venga perso nulla e che non vengano raccolti dati estranei. 

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi