L’intelligenza artificiale nella simulazione sanitaria, un tempo considerata fantascienza, sta rimodellando la formazione medica. Dai simulatori virtuali di pazienti ai moduli di assistenza infermieristica e chirurgica guidati dall’intelligenza artificiale, la tecnologia odierna offre esperienze di apprendimento che si evolvono in tempo reale, cosa che solo gli istruttori più abili potevano ottenere in passato. Quando uno studente interagisce con un paziente virtuale, l’intelligenza artificiale elabora migliaia di dati, dal tono vocale alla precisione delle procedure, adattando lo scenario al volo. Questa nuova frontiera della simulazione medica sta facendo da ponte tra la teoria e la pratica, creando professionisti della sanità che non sono solo tecnicamente abili, ma anche adattabili e compassionevoli.
Immagina uno studente di medicina che si esercita in una procedura complicata: invece del solito manichino, lavora con un paziente virtuale dotato di intelligenza artificiale (AI) che risponde in tempo reale, fornisce un feedback immediato e simula persino le complicazioni. Non è fantascienza, sta accadendo oggi nelle scuole di medicina e sta cambiando il modo in cui formiamo i professionisti della salute.
L’evoluzione della simulazione medica:
Il passaggio dai manichini di base alla simulazione con intelligenza artificiale rappresenta probabilmente un cambiamento paradigmatico nella formazione medica. I mezzi di simulazione tradizionali avevano chiari limiti. I pazienti standardizzati sono in grado di simulare solo un numero limitato di condizioni; i manichini non possiedono i sottili cambiamenti fisiologici che sono molto importanti per l’apprendimento e gli studenti spesso devono immaginare i segni clinici critici piuttosto che osservarli direttamente. Con l’arrivo dell’intelligenza artificiale, queste limitazioni iniziano improvvisamente a dissolversi. Utilizzando i moderni simulatori basati sull’intelligenza artificiale, è possibile ricreare una situazione complessa di un paziente che mostra sottili cambiamenti fisiologici e reagisce in modo autonomo a ciò che lo studente sta facendo. Si tratta di un progresso tecnologico che non riguarda una grafica migliore o l’utilizzo di manichini sempre più realistici, ma la creazione di esperienze di apprendimento realmente interattive che si adattano e rispondono alle esigenze di ogni studente.
Il motore dell’intelligenza artificiale: come funziona davvero
L’IA si distingue dai metodi di calcolo tradizionali per la sua capacità di emulare il pensiero e la risoluzione dei problemi di tipo umano. Come spiega bene il Prof. Hamilton A. in un recente articolo sull’IA e la simulazione sanitaria (2024), in poche parole, l’IA si differenzia dai sistemi informatici del passato per quattro motivi principali: (1) impara dai dati e adatta le proprie decisioni in base a tale apprendimento; (2) è in grado di accedere a vasti database, che a volte rappresentano una parte significativa della conoscenza online; (3) gestisce compiti diversi senza una programmazione specifica; e (4) è in grado di generare codice in modo indipendente per completare i compiti quando necessario.
L’intelligenza artificiale replica l’intelligenza umana all’interno delle macchine, consentendo loro di svolgere funzioni come il ragionamento, la risoluzione di problemi, l’apprendimento, la percezione e il processo decisionale. Comprende una vasta gamma di metodi e applicazioni, tra cui l’elaborazione del linguaggio naturale, l’apprendimento automatico e la computer vision. Esaminiamoli in dettaglio con alcuni esempi.
Natural Language Processing
Il Natural Language Processing (NLP) è una branca dell’IA che si occupa di consentire ai sistemi informatici di analizzare, interpretare e comprendere il linguaggio umano sia in forma scritta che parlata. L’NLP elabora gli input testuali o vocali per affrontare diversi elementi del linguaggio, come la sintassi (la disposizione strutturale di parole e frasi) e la semantica (il significato trasmesso). Per raggiungere questo obiettivo, il NLP sfrutta un mix di tecniche, tra cui metodi basati su regole, approcci statistici, apprendimento automatico e modelli di deep learning, che insieme permettono di interpretare il linguaggio e generare risposte significative. (Leggere Turchioe M, et al., 2022)
Furlan R e colleghi (2021) hanno sviluppato un simulatore di paziente virtuale chiamato Hepius che, grazie all’interazione in linguaggio naturale e ai sistemi di tutoraggio intelligente, aiuta gli studenti a migliorare le loro capacità di ragionamento clinico-diagnostico senza richiedere necessariamente la presenza di tutor umani o la necessità che lo studente si trovi al capezzale di un paziente reale. L’interazione in linguaggio naturale tra lo studente e il programma è stata creata utilizzando tre linguaggi di programmazione distinti per facilitare i compiti di anamnesi, esami fisici, ordinazione di test medici e generazione di ipotesi diagnostiche. Inoltre, gli autori hanno condiviso i risultati preliminari di una valutazione dell’apprendimento a breve termine condotta su studenti universitari dopo aver utilizzato il simulatore.
Machine Learning
Gli algoritmi di Machine Learning (ML) sono in grado di “imparare” dai dati senza essere programmati esplicitamente e possono risolvere un’ampia gamma di problemi, tra cui il riconoscimento dei volti, la traduzione automatica, la scrittura creativa di testi e la diagnosi medica. Nell’ambito della simulazione sanitaria, è interessante il caso presentato da un gruppo di ricercatori della Queen’s University di Kingston, Ontario, Canada, che ha sviluppato una piattaforma di simulazione adattiva in realtà aumentata (AR) per la formazione medica. (Ruberto et al., 2021) L’obiettivo principale era quello di creare uno strumento di formazione più efficace che, utilizzando algoritmi di intelligenza artificiale, potesse adattarsi ai diversi livelli di abilità e alle risposte allo stress dei partecipanti, rendendo l’esperienza di apprendimento più efficiente e vantaggiosa. La piattaforma è stata progettata per adattarsi dinamicamente al carico cognitivo degli studenti di medicina e dei medici in formazione. I partecipanti indossavano cuffie di realtà aumentata che sovrapponevano le immagini digitali di un paziente a un manichino fisico. In questo modo si è creato un ambiente di formazione realistico e interattivo. Allo stesso tempo, il sistema misurava il carico cognitivo dei partecipanti monitorando la variabilità della frequenza cardiaca e la risposta galvanica della pelle in tempo reale attraverso dei sensori. Le simulazioni, quindi, si evolvevano in base ai livelli di stress e alle capacità cognitive dei partecipanti: se un partecipante mostrava segni di alto carico cognitivo, indicando stress o sopraffazione, la simulazione riduceva la gravità dei sintomi del paziente per gestire meglio l’esperienza di apprendimento.
In un altro studio condotto da Belmar e colleghi (2024), i risultati hanno dimostrato che lo sviluppo di algoritmi di IA per valutare gli esercizi fondamentali di formazione alla simulazione laparoscopica non solo è fattibile, ma migliora l’accuratezza della valutazione: i risultati, infatti, hanno rivelato che l’applicazione dell’IA può avere alti livelli di accordo con i revisori esperti, che attualmente sono considerati il gold standard in questo campo.
In uno studio del 2012 condotto presso l’Università della Carolina del Nord a Chapel Hill, è stata realizzata una fusione tra tecnologia e valutazione delle abilità chirurgiche. (Watson RA, 2014) Quattordici chirurghi esperti e 10 specializzandi hanno eseguito due simulazioni di chirurgia vascolare (anastomosi venosa). I movimenti delle loro mani sono stati tracciati con un dispositivo, trasformando le loro azioni in serie temporali simboliche. Questi dati sono stati poi utilizzati per addestrare un modello di apprendimento automatico, noto come Support Vector Machine, per distinguere i movimenti degli esperti da quelli dei principianti. Il modello ha raggiunto un’accuratezza dell’83% nell’identificare i livelli di abilità. Inoltre, un algoritmo utilizzato per la compressione dei dati, applicato ai modelli di movimento della mano, ha classificato alla cieca i modelli di movimento della mano in gruppi di esperti e principianti con un’accuratezza del 70%, offrendo un nuovo approccio per valutare oggettivamente la competenza chirurgica.
Computer vision technology
Immagina di dare ai computer la capacità di “vedere”! La computer vision permette alle macchine di estrarre informazioni significative dalle immagini digitali, eseguendo compiti come il riconoscimento delle immagini, il rilevamento degli oggetti, la segmentazione delle immagini e persino la creazione di nuove immagini.
Islam e Kahol (2011) hanno proposto un approccio basato su video per osservare i movimenti della mano e dello strumento chirurgico del chirurgo sia durante le operazioni chirurgiche che durante la formazione. Il metodo basato sui video ha registrato sequenze continue dei movimenti delle mani, della postura e degli strumenti del chirurgo durante l’intera procedura chirurgica utilizzando una videocamera a basso costo. I dati video sono stati analizzati con un algoritmo di computer vision e correlati al livello di abilità di ciascun chirurgo. Per modellare le abilità chirurgiche, un approccio stocastico ha elaborato i dati e una tecnica di data mining ha sviluppato un modello indipendente dall’osservatore basato su misurazioni oggettive e quantitative delle abilità. Questo sistema di tracciamento senza contatto ha interferito minimamente con lo svolgimento delle operazioni e ha evitato i problemi di sterilità.
Ma secondo il Dr. Martinez dell’Eastern Health Institute, la vera magia è resa possibile dall’integrazione delle tre tecnologie: Il Natural Language Processing consente ai pazienti virtuali di impegnarsi in una conversazione realistica, comprendendo non solo ciò che gli studenti dicono, ma anche come lo dicono. L’analisi continua da parte di algoritmi di Machine Learning, con sottili cambiamenti negli scenari, fornisce il giusto grado di sfida. L’aspetto forse più impressionante è che la tecnologia di visione computerizzata osserva e analizza i movimenti degli studenti durante le procedure, fornendo una guida che prima richiedeva una costante supervisione da parte dei docenti. “Ciò che mi stupisce”, afferma il Dr. Martinez, ”è il modo in cui queste tecnologie lavorano insieme senza soluzione di continuità. Quando uno studente esegue una procedura, il sistema non si limita a spuntare delle caselle. Sta comprendendo l’intera interazione – la tecnica, la comunicazione, il processo decisionale – proprio come farebbe un istruttore esperto”.
Quando il virtuale incontra la realtà: Alcune storie di successo
La formazione medica sta subendo una vera e propria trasformazione grazie all’uso della realtà virtuale e aumentata (VR e AR), soprattutto nella formazione chirurgica. Questi strumenti creano ambienti 3D immersivi in cui gli studenti di medicina e gli specializzandi possono esercitarsi in abilità complesse in modi che si avvicinano alla vita reale. Alcuni studi hanno dimostrato che gli studenti addestrati con la VR sono in grado di completare le procedure molto più velocemente e con maggiore precisione rispetto a quelli che utilizzano i metodi tradizionali, in alcuni casi fino al 43% in più. Questo non è solo un risparmio di tempo, ma rende anche la formazione più accessibile, in quanto i sistemi VR riducono la necessità di costose esercitazioni nella vita reale.
L’Imperial College di Londra ha integrato la realtà virtuale (VR) nella sua formazione medica per preparare gli studenti a situazioni di emergenza come l’arresto cardiaco e i gravi attacchi d’asma. Queste simulazioni VR offrono agli studenti un’esperienza realistica e pratica in cui possono prendere decisioni critiche senza la pressione delle conseguenze della vita reale. Secondo la dottoressa Risheka Walls, questo approccio permette agli studenti di sviluppare fiducia e abilità pratiche in un ambiente “sicuro”. La studentessa del quinto anno Thivyaa Gangatharan ha sottolineato come la VR l’abbia aiutata a passare dall’apprendimento teorico all’azione pratica, creando un ricordo duraturo delle procedure di emergenza. Il successo del programma ha ottenuto un’ampia attenzione ed è destinato ad espandersi grazie al sostegno dell’NHS England.
Il tocco umano nella formazione digitale
Uno degli aspetti più interessanti dell’IA nella simulazione medica è il suo ruolo nel migliorare, e non sostituire, il contatto umano nella formazione sanitaria. Ad esempio, le simulazioni virtuali di pazienti alimentate dall’intelligenza artificiale offrono agli studenti uno spazio sicuro per esercitare le capacità di comunicazione ed empatia, preparandoli a gestire conversazioni difficili con sensibilità e comprensione prima di incontrare pazienti reali. Gli studi dimostrano che dopo essersi allenati con questi pazienti virtuali, gli studenti dimostrano maggiore sicurezza e intelligenza emotiva, migliorando la qualità delle loro interazioni nella vita reale.
Il Virtual Dementia Tour (VDT) permette agli operatori sanitari di sperimentare le sfide sensoriali e cognitive affrontate dai pazienti affetti da demenza. Questa formazione immersiva aiuta gli operatori a sviluppare l’empatia, cambiando radicalmente il modo in cui affrontano l’assistenza ai pazienti affetti da demenza. Come ha detto un partecipante, “capire la demenza dall’interno mi ha reso più paziente e compassionevole nelle mie interazioni”. Questo tipo di formazione evidenzia il potere unico dell’intelligenza artificiale nel creare esperienze che approfondiscono la comprensione e l’empatia degli assistenti.
In piattaforme come Body Interact, i pazienti virtuali rispondono in modo realistico con segnali emotivi e sintomi in evoluzione, consentendo agli studenti di medicina di praticare un’assistenza compassionevole in un ambiente privo di rischi. Questa esperienza aiuta gli studenti a colmare il divario tra le competenze tecniche e quelle più morbide e intuitive che sono essenziali per le cure compassionevoli. Un tirocinante ha detto che esercitarsi con i pazienti virtuali è “come avere un accesso illimitato ai pazienti reali”, ma con la possibilità di commettere e imparare dagli errori senza conseguenze, il che sviluppa sia la competenza che l’empatia.
La strada da percorrere: Sfide e promesse
Una recente rassegna di Mir MM et al. (2023) evidenzia il ruolo crescente dell’IA, notando i progressi nel rilevamento degli errori, nella medicina personalizzata e nell’apprendimento adattivo che supporta lo sviluppo personalizzato degli studenti. Tuttavia, le sfide rimangono, soprattutto per quanto riguarda i pregiudizi e la necessità di algoritmi più raffinati e privi di errori.
Infatti, con questi progressi arrivano ancora importanti domande: come possiamo garantire che i sistemi di IA non abbiano pregiudizi nell’insegnamento? Come possiamo mantenere l’elemento umano critico nell’educazione medica pur sfruttando questi nuovi strumenti incredibilmente potenti? Le risposte sono in rapida evoluzione come la tecnologia stessa.
Ciò che è ovvio è che ci troviamo nel bel mezzo di una trasformazione fondamentale del modo in cui prepariamo i professionisti della salute. La domanda non è più se l’IA trasformerà l’educazione medica: l’ha già fatto! La vera sfida ora è come utilizzare questi strumenti nel modo più efficace per sviluppare operatori sanitari che non siano solo competenti, ma anche compassionevoli, adattabili e preparati alle esigenze della medicina del futuro.
Il futuro è adesso: Cavalcare l’onda dell’intelligenza artificiale nella formazione sanitaria
Se guardiamo ai progressi compiuti dalla simulazione medica e alla direzione che sta prendendo, una cosa diventa chiara: non si tratta solo di un’altra tendenza tecnologica nell’educazione sanitaria. Stiamo parlando di una trasformazione fondamentale del modo in cui prepareremo la prossima generazione di professionisti della sanità.
Un tempo ci si limitava a immaginare i sintomi e le reazioni dei pazienti, ora gli studenti sperimentano scenari realistici attraverso simulazioni avanzate, avendo la possibilità di esercitarsi ripetutamente e di ricevere un feedback istantaneo e oggettivo.
L’impatto di questa trasformazione va ben oltre i confini delle singole istituzioni o specialità: la simulazione basata sull’intelligenza artificiale non si limita a migliorare le competenze tecniche, ma è anche in grado di formare professionisti fiduciosi, empatici e adattabili, pronti ad affrontare sfide sia di routine che complesse.
La questione da affrontare non è più l’adozione di queste tecnologie, ma piuttosto il modo migliore per utilizzarle al servizio di chi insegna e di chi impara. Se non diversamente indicato, la simulazione AI renderà l’educazione sanitaria più accessibile, efficace e rispondente alle esigenze degli studenti e dei pazienti.
Referenze
1. Mir MM, Mir GM, Raina NT, et al. Application of Artificial Intelligence in Medical Education: Current Scenario and Future Perspectives. J Adv Med Educ Prof. 2023;11:133-140.
2. Furlan R, et al. A Natural Language Processing-Based Virtual Patient Simulator and Intelligent Tutoring System for the Clinical Diagnostic Process: Simulator Development and Case Study. JMIR Med Inform. 2021 Apr 9;9(4):e24073
3. Ruberto AJ, et al. The future of simulation-based medical education: Adaptive simulation utilizing a deep multitask neural network. AEM education and training, 2021:5(3):e10605
4. Watson RA. Use of a machine learning algorithm to classify expertise: analysis of hand motion patterns during a simulated surgical task. Acad Med. 2014;89(8):1163-1167.
5. Islam G, Kahol K. Application of computer vision algorithm in surgical skill assessment. 7th International Conference on Broadband Communications and Biomedical Applications, Melbourne, VIC, Australia, 2011:108-111
6. Belmar F, et al. Artificial intelligence in laparoscopic simulation: a promising future for large-scale automated evaluations. Surg Endosc. 2023 Jun;37(6):4942-4946
7. Peters AL, Van der Drift G, Van Osch M, et al. The effectiveness of virtual and mixed reality for emergency care training: A systematic review. IEEE Access. 2020;8:58773-58789. https://ieeexplore.ieee.org/document/8993789
8. Mcdougall EM, Shalhoub J, Gautam G, et al. Virtual reality simulation curriculum to teach open emergency surgery. Journal of Surgical Research. 2021;268:1-5. https://www.journalofsurgicalresearch.com/article/S0022-4804(21)00416-9/abstract
9. Williams L. Inside a virtual reality emergency simulator. The MDU Journal. 2023. https://www.themdu.com/for-students/features/this-is-what-its-like-inside-a-virtual-reality-emergency-simulator
10. Kardong-Edgren S, Breitkreuz K, Werb M, et al. Evaluating the usability of virtual simulations for nursing education. ASCILITE Proceedings. 2023;2(1):45-52.
https://publications.ascilite.org/index.php/APUB/article/view/683
11. Beville PK. Virtual Dementia Tour®: A breakthrough technology changing the way we deliver dementia care. NextAvenue. 2022. https://www.nextavenue.org/take-virtual-dementia-tour/
12. BodyInteract. The role of virtual patients in developing communication and empathy skills. BodyInteract Blog. 2023. https://bodyinteract.com/blog/communication-empathy-virtual-patients/
LEGGI ANCHE
