Il dibattito sull'AI e la cura del cancro

Si stima che oltre un trilione di dollari siano stati investiti nell'intelligenza artificiale. Nonostante questo, grandi aziende tecniciche come Meta e OpenAI continuano a puntare su un'AI più potente e versatile, con l'obiettivo di raggiungere o superare le prestazioni umane. Una quantità considerevole di risorse viene destinata allo sviluppo dell'intelligenza artificiale generale (AGI) o addirittura dell'intelligenza artificiale superiore (ASI), alimentando aspettative elevate sulle loro potenziali capacità.

L'entusiasmo per queste tecnicie è spesso accompagnato da affermazioni audaci, tra cui la possibilità di curare il cancro. Questo specifico scenario ha catturato l'attenzione di Emilia Javorsky, direttrice del programma Futures presso il Future of Life Institute, un think tank che si concentra sui benefici e sui rischi delle tecnicie trasformative come l'AI. La sua prospettiva offre un'analisi critica e al contempo ottimistica sull'applicazione dell'AI in medicina.

Comprendere il “curare il cancro” con l'AI

A marzo, Javorsky ha pubblicato un saggio intitolato “AI vs Cancer”, basato sulla sua esperienza come medico, scienziata e imprenditrice. Il testo critica l'eccessiva fiducia e l'allocazione di risorse nell'intelligenza artificiale superiore come soluzione futura per le malattie. Javorsky evidenzia come numerosi fattori, al di là della mera intelligenza computazionale, limitino lo sviluppo di nuovi trattamenti e l'accesso a cure innovative. L'AI, infatti, non può analizzare dati sui pazienti che non sono mai stati raccolti, e qualsiasi trattamento risulta imperfetto se i pazienti rischiano la bancarotta per accedervi. Tuttavia, il saggio intende anche infondere ottimismo, mostrando come le forme attuali di AI siano già applicate con successo nella lotta contro il cancro.

Javorsky sottolinea che il cancro non è una singola malattia universale curabile con un unico trattamento. Si tratta piuttosto di un processo co-evolutivo altamente individualizzato, dove diverse mutazioni guidano la patologia in ciascun individuo e persino all'interno di un singolo tumore. Le soluzioni, pertanto, dovranno essere personalizzate. In medicina, non abbiamo ancora “curato” malattie croniche complesse come il diabete o le patologie cardiache, ma abbiamo sviluppato metodi efficaci per gestirle. La speranza della comunità medica è trasformare il cancro in una condizione cronicamente gestibile, non più una condanna a morte, attraverso trattamenti personalizzati ed efficaci. È fondamentale distinguere tra le promesse di una futura “super-intelligenza” e le capacità concrete dell'AI odierna, che sta già accelerando l'innovazione nella scoperta di farmaci, nella previsione della tossicità, nella definizione di nuovi biomarcatori, nell'accelerazione degli studi clinici e nella diagnosi precoce. Questi progressi tangibili rischiano di essere oscurati dalle aspettative irrealistiche legate all'AGI o all'ASI.

Investire con pragmatismo: Dati e infrastrutture

In un mondo con capitale limitato, destinare risorse alla cura del cancro rappresenta uno degli obiettivi più nobili. Javorsky sostiene che è cruciale identificare dove investire per ottenere il massimo ritorno sull'investimento e risolvere efficacemente il problema. A suo avviso, si sta sovra-investendo nel lato “intelligence-compute” e sotto-investendo nell'innovazione degli strumenti per misurare la biologia e nella creazione di dataset di alta qualità e su larga scala. Il sistema sanitario attuale è fondamentalmente un sistema di “cura della malattia”, dove i dati vengono raccolti solo quando le persone si ammalano. Questo approccio limita la capacità dell'AI di operare al massimo del suo potenziale.

Per chi valuta deployment on-premise di soluzioni AI, la questione della raccolta e gestione di dataset di alta qualità è centrale. La sovranità dei dati e la capacità di elaborare grandi volumi di informazioni sensibili in ambienti controllati diventano fattori critici. L'investimento in infrastrutture locali robuste, capaci di supportare l'acquisizione e l'analisi di dati biologici complessi, può rappresentare un vantaggio competitivo e strategico. La necessità di un approccio olistico alla medicina, che includa una raccolta dati più ampia e proattiva, è un prerequisito per sbloccare il vero potenziale dell'AI. In un contesto ideale, si potrebbero perseguire tutte le strade, ma la realtà impone scelte strategiche sull'allocazione del capitale. Javorsky si dichiara fiduciosa nell'AI, ma solo se gli investimenti sono diretti verso le giuste tipologie di AI e i veri colli di bottiglia del sistema.

Una roadmap per il futuro: Ottimismo e azione

Javorsky conclude il suo saggio proponendo una roadmap chiara per affrontare il problema del cancro. La sua visione si articola in tre pilastri fondamentali. Il primo consiste nel finanziare e scalare gli strumenti AI che stanno già dimostrando progressi significativi in oncologia. Questo include l'AI per la diagnosi precoce, l'accelerazione degli studi clinici e lo sviluppo di modelli in silico e “digital twin” per la medicina personalizzata, che mirano a creare rappresentazioni digitali ad alta fedeltà dei pazienti per ottimizzare i trattamenti individuali.

Il secondo pilastro prevede un raddoppio degli investimenti nelle aree promettenti della biologia legate all'oncologia. Infine, il terzo punto si concentra sull'affrontare i colli di bottiglia istituzionali e sistemici che ostacolano il progresso medico. Questa prospettiva, pur riconoscendo le sfide, mira a infondere un senso di ottimismo, evidenziando che la realtà offre già molte ragioni per sperare in un futuro in cui l'AI, se impiegata strategicamente, possa contribuire in modo decisivo alla gestione e al trattamento del cancro.