Il progetto AY90
AY90 (Assisted Yttrium 90) è stata un’applicazione di una soluzione più ampia che Ex Machina ha creato per facilitare il raggiungimento del consenso in vari contesti, da votazioni a sessioni deliberatorie.
Sviluppata sfruttando il framework proprietario COSMO42, AY90 è un sistema che automatizza processi e procedure già presenti, e riconosciute come valide dalla comunità scientifica, che permette di gestire la complessità e la lentezza della stesura, elaborazione e accettazione ampia di raccomandazioni cliniche in merito alla Radioembolizzazione con Ittrio-90 (carcinoma epatocellulare).
0. Che cos’è la Radioembolizzazione
La Radioembolizzazione è una terapia mini-invasiva per tumori (soprattutto al fegato) che combina radiologia interventistica e radioterapia: si iniettano microsfere radioattive (es. come in questo caso Ittrio-90) in un’arteria, che raggiungono selettivamente il tumore, bloccando il flusso sanguigno e irradiando le cellule cancerose, causandone la morte (necrosi ischemica) senza danneggiare troppo i tessuti sani circostanti.
In sintesi, è una forma di radioterapia interna mirata (TATT – TransArterial Targeted Radiotherapy) per il cancro al fegato che combina l’occlusione vascolare (embolizzazione) con l’irradiazione, per un attacco diretto e localizzato al cancro.
1. La sfida: perché tutto questo
La letteratura scientifica cresce a ritmi esponenziali, ma le osservazioni dei singoli ospedali e laboratori faticano a trovare un terreno comune e condiviso globalmente.
Servono quindi processi dedicati, supportati dai maggiori esperti globali del settore, per dare forma a questi avanzamenti scientifici, per tradurli in procedure cliniche comuni, ritenute affidabili dall’intera comunità.
Gli organizzatori della 1st Global Consensus Conference on Radioembolization for Hepatocellular Carcinoma hanno voluto mettere alla prova l’Intelligenza Artificiale per assistere questo processo, e si sono rivolti a Ex Machina per trovare esperti in materia e il partner implementatore.
L’obiettivo di AY90 era quindi duplice: strutturare e velocizzare le procedure normalmente disperse tra email, riunioni e revisioni sparse, e sfruttare la capacità dell’Intelligenza Artificiale per rinforzare l’intero processo e per renderlo più affidabile e misurabile.
2. La filosofia: “Expert-in-the-Loop”
Il cuore del progetto non è sostituire il medico, ma potenziarlo. Ex Machina ha basato il sistema su tre principi fondamentali per renderlo accettabile in ambito clinico (mantenendo il rigore):
- Source-Cited AI: ogni output (ricerca, riassunto o raccomandazione) è ancorato a una Knowledge Base definita e contiene riferimenti verificabili. Se l’AI scrive una frase, c’è una fonte tracciabile dietro.
- Expert-in-the-Loop (controllo umano): l’AI propone, l’esperto decide. Nessun documento avanza nel flusso di lavoro senza l’approvazione esplicita di un esperto umano.
- AI Monitoring & Validation: ogni interazione viene tracciata per migliorare il sistema e validare che l’AI stia effettivamente aiutando e non ostacolando.
3. L’architettura tecnica: gli agenti intelligenti
Questa è la parte più innovativa. Il sistema utilizza agenti AI specializzati per diverse fasi del lavoro scientifico:
- Search Agent: un chatbot dedicato che fornisce risposte basandosi unicamente sulla letteratura presa in considerazione nella conferenza, fornendo link puntuali a ogni fonte.
- Grade Agent: un’intelligenza artificiale addestrata per valutare la qualità delle pubblicazioni scientifiche (applicando criteri di grading standardizzati come GRADE e SIGN50).
- Research Agent: assiste nella revisione sistematica delle evidenze, filtrando la letteratura.
- Expert Agent: supporta la formulazione linguistica delle raccomandazioni cliniche, aiutando gli esperti a elaborare i feedback delle votazioni per incorporarli in versioni migliori, più accettabili e condivise.
4. Il flusso di lavoro (workflow) della piattaforma
Ecco l’intero percorso supportato da AY90:
- Fase 1: Search & Literature (Preparazione)
- Un’interfaccia “Search and Chat” permette di interrogare la base di conoscenza in linguaggio naturale.
- Il sistema classifica gli studi secondo diverse metodologie e identifica la loro rilevanza a seconda dei diversi temi presi in considerazione. Gli esperti verificano, elaborano, approvano.
- Fase 2: Summaries & Recommendations (Elaborazione)
- Creazione di sintesi basate sulle evidenze (evidence-based summaries). Il sistema genera delle bozze in automatico, gli esperti le verificano, elaborano e approvano.
- Stesura delle bozze delle raccomandazioni cliniche.
- Fase 3: Delphi Rounds (Consenso remoto)
- Prima dell’evento fisico, gli esperti usano la piattaforma per votare e commentare a distanza, costruendo una base di accordo. L’AI elabora automaticamente i feedback, suggerendo come modificare le raccomandazioni in modo da aumentare il consenso.
- Fase 4: Meeting (l’evento live)
- È la fase che vediamo nella foto (conferenza a Roma).
- Gestisce la presentazione delle raccomandazioni e il voto in tempo reale, garantendo trasparenza immediata sui risultati. Ogni partecipante usa il sistema attraverso il proprio smartphone, laptop o altro dispositivo, votando, prendendo visione dei passaggi precedenti (classificazioni, sintesi) e conversando con il sistema per accedere più facilmente alla Knowledge Base.
5. Sicurezza e Infrastruttura
La soluzione sfrutta un’infrastruttura Cloud per garantire ottimi risultati in termini di performance e affidabilità. Sia per permettere votazioni simultanee da parte di centinaia di utenti, sia per implementare un controllo accessi granulare basato su diversi ruoli (dal ricercatore che può validare le classificazioni, all’esperto che gestisce la votazione della raccomandazione da lui proposta, passando da chi può votare e chi limitarsi a “leggere” le informazioni).
AI nella sanità
AY90 rappresenta un cambio di paradigma. Ha trasformato una conferenza medica da una serie di presentazioni statiche a un processo decisionale dinamico e assistito dai dati.
Dal sito di Ex Machina: “Accelerare i processi decisionali clinici elevando gli standard di qualità non è più un’utopia, ma una realtà concreta“.
L’evento di Roma mostrato in foto è stata la prova sul campo, il Case Study che ha dimostrato come l’AI, se usata con approccio etico e controllato (Source-Cited + Human-in-the-Loop), possa essere impiegata in processi critici ad alta responsabilità, come quello della sanità e della divulgazione / ricerca scientifica.
