L’Intelligenza Artificiale (IA) sta cambiando il paradigma culturale della medicina, i modelli algoritmici stanno diventando sempre più in grado di fornire risposte clinicamente importanti, soprattutto in contesti ad elevata complessità.

L’ambito della palliazione rappresenta un setting ottimale per l’implementazione di strumenti finalizzati a migliorare la condivisione delle scelte assistenziali e la relazione di cura tra medico, paziente e familiari. Le tecniche di machine learning possono definire una prognosi sempre più accurata e identificare i pazienti a maggiore rischio di declino funzionale o di mortalità a breve termine. Tecniche di natural language processing possono inoltre analizzare il linguaggio non strutturato, ad esempio, le note cliniche inserite in cartella e i testi liberi, per identificare con maggiore efficacia i bisogni dei pazienti complessi.

Non è questa la sede per effettuare analisi metodologiche degli studi che utilizzano modelli di predittività. Ci limitiamo a osservare che sono spesso basati su coorti di grandezza eterogenea e che il livello di accuratezza non è sempre ottimale per cui rimane un’ampia dimensione di incertezza1. Una sopravvivenza media di sei mesi può infatti significare che qualcuno vivrà poche settimane, qualcun altro, anni.

Tali strumenti, nonostante i limiti metodologici, che molto probabilmente verranno superati nei prossimi anni, sono già sul mercato e utilizzati anche come strumenti di gestione ospedaliera per ottimizzare le risorse, non sempre ad esclusivo vantaggio dei malati.

Riflessioni

La comunicazione della prognosi nei malati gravi è da sempre un tema molto complesso: il tempo che rimane… chi può dirlo? Come si fa ad esserne sicuri nel singolo paziente? Quando parlarne? Le conseguenze della mancata informazione possono essere il ritardo nell’organizzazione delle cure palliative, la mancata preparazione emotiva al reciproco distacco con i familiari, la frettolosità nell’espressione delle ultime volontà.

Gli algoritmi della IA ci prospettano un possibile cambio di paradigma. I medici non dovranno più basare le previsioni prognostiche soltanto sui dati di letteratura e sull’esperienza, ma potranno disporre di modelli algoritmici in grado di “prevedere il futuro”2. Il miglioramento delle capacità predittive potrà permettere un potenziamento delle capacità prognostiche e anche una più accurata identificazione dei bisogni più complessi, spesso occulti, quelli che nemmeno l’MMG, che ha costruito una storia a volte decennale con il paziente, è in grado di aspettarsi.

Il rischio è che non solo la morte stessa e il morire siano ormai di pertinenza della medicina, ma possano diventarlo anche i sentimenti delle persone, ad esempio il desiderio di mantenere nascoste certe verità, ai familiari e anche al medico, segreti che un impersonale calcolatore digitale potrebbe far emergere. Inoltre, anche se fossero disponibili score algoritmici precisi e affidabili, rimane il problema di sempre: dirlo o non dirlo?

Si rischia un riduzionismo perverso: la relazione medico-paziente, sfumata, fondata sul non detto, sull’implicito, su complicità e sguardi, può finire per essere guidata dalle macchine, i pazienti diventare entità classificate secondo codici prognostici, più o meno affidabili (e più o meno rimborsabili), titolari di interventi basati su fredde analisi costi-benefici ma non su una reale presa in carico per garantire una morte dignitosa. La stessa speranza potrebbe essere perduta su basi scientifiche. Il medico, conoscendo i dati sicuri sulla prognosi, anche involontariamente potrebbe comunicare al malato una verità che altrimenti avrebbe potuto celare con maggiore facilità a causa dell’incertezza delle modalità tradizionali di assessment.

I dati peraltro, anche quelli scientifici, non sono valori, qualunque intervento basato su di essi deve essere dotato di senso. I modelli predittivi potranno pertanto essere utili ma solo come strumento complementare e soprattutto opzionale per il medico, uno dei parametri di cui valutare l’utilità nelle diverse situazioni specifiche.

La premessa per il loro utilizzo è una accurata supervisione umana, di alta qualità, emergente da una sensibilizzazione alla comunicazione orientata ai bisogni dei malati e delle loro famiglie, per evitare di trasformare la fase terminale della vita in materiale per previsioni più o meno centrate, aggiungendo alle già consolidate tipologie di accanimento, diagnostico, terapeutico e palliativo, quello prognostico.

Note

1 Topol E. High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine 2019; 25: 44-56.
2 Vespignani A, con Rijtano R. L’algoritmo e l’oracolo. Il Saggiatore, Milano, 2019.