è uno spartiacque, che vale non solo per la telemedicina (TM): la pandemia Covid-19. Durante la pandemia si scoprì che la TM poteva assicurare l’accesso a risorse mediche che scarseggiavano, che erano non avvicinabili dai pazienti, che erano stressate dal sovraccarico di lavoro.
Ora, con l’avvento dell’Intelligenza Artificiale, si apre una nuova fase di innovazione tecnologica nel settore sanitario: telemedicina e AI possano trasformare l’assistenza medica, ma vanno affrontate le sfide etiche e operative che emergono in questo scenario in evoluzione.
Indice degli argomenti
-Telemedicina, l’importanza dell’accesso a distanza alla diagnostica
-I tre macro obiettivi della telemedicina tradizionale
-La telemedicina ancorata all’industria 4.0
-Le stampanti 3D
-L’irruzione dell’intelligenza artificiale
-Il rapporto chiave medico-paziente
-L’assestamento dei valori degli asset dell’AI generale e il ruolo della telemedicina
-La telemedicina esce dall’emergenza
-L’importanza di approfondire gli impatti della TM nei diversi contesti applicativi
-L’ascesa dell’AI nel contesto della telemedicina
-Il precedente di Eliza
-Macchine e coinvolgimento emotivo, un dialogo con Eliza
-Umanizzazione della macchina e disumanizzazione del professionista
-Complessità vuol dire competizione
-Note
Telemedicina, l’importanza dell’accesso a distanza alla diagnostica
Divenne evidente l’importanza di una delle funzioni, l’accesso a distanza alla diagnostica, che la TM aveva offerto inizialmente per le aree rurali, ossia come soluzione al problema della marginalità. La Cina era molto avanti su quella strada poiché doveva razionare l’accesso agli ospedali di primo livello, situati nelle metropoli, dove tutti volevano accedere, e con la pandemia rafforzò questa risposta alla marginalità trasformandola in risposta all’emergenza. Per poterlo fare ricorse ai draconiani divieti e alle draconiane deportazioni che caratterizzano un sistema autoritario pressato dall’emergenza.
Un’ondata di studi e di ricerche effettuata durante e subito dopo la pandemia ha individuato gli effetti permanerti che quelle esperienze emergenziali potevano portare nell’ordinaria amministrazione del servizio medico.
I tre macro obiettivi della telemedicina tradizionale
Erano sottolineati tre macro-obiettivi della TM tradizionale:
-migliorare l’accesso alle cure;
-migliorare la comunicazione tra gli operatori-fornitori di servizi di cura;
-migliorare le performance della logistica sanitaria in termini di tempi di attesa e di costi.
La telemedicina ancorata all’industria 4.0
Stimolati dalle sperimentazioni effettuate durante la pandemia, alcuni osservatori hanno provato a definire uno stadio più avanzato e più sistemico dell’innovazione in TM, ancorandola alla filosofia di industria 4.0. Il termine, diffuso da Claus Schwab al World Economic Forum dal 2016, si riferiva all’introduzione di nuove tecnologie “disruptive”, come amano definirle ad ogni svolta tecnologica gli entusiasti, le cosiddette tecnologie – “applicale o muori”[iii]. Esse erano: le stampanti 3D, l’internet delle cose, lo scambio di dati machine to machine e, ultima venuta, l’intelligenza artificiale (AI).
Le stampanti 3D
Le stampanti 3D hanno trovato la loro nicchia specialistica. Internet delle cose procede, anche senza 5G. Molte aziende sopravvivono in buona salute applicando ciò che loro serve di quelle tecnologie. Che ci sia una rivoluzione digitale in corso, è sicuro. Che ce ne sia una al giorno e per di più che ognuna sia “disruptive” è fantatecnologia.
L’irruzione dell’intelligenza artificiale
Non era ancora terminata questa fase 4.0 che l’intelligenza artificiale (AI) ha cominciato ad attirare l’attenzione. Oggi siamo nel pieno di questa ondata.
Non dobbiamo dimenticare che, alle origini della telemedicina c’è la prima telefonata fatta da Alexander Graham Bell il 10 marzo 1876. Le prime parole che disse furono: “Signor Watson, venga qui, la voglio”. Chiamava il suo assistente per un incidente in cui l’acido solforico delle batterie gli era caduto sui vestiti. Il telefono nasce con una chiamata di assistenza.
Il rapporto chiave medico-paziente
Il bel saggio storico di Aronson, ricorda l’importanza che la rivista Lancet continuò ad attribuire al telefono, alla qualità delle comunicazioni sulle nuove linee, alla rapidità della commutazione, proprio per l’importanza che esso aveva nell’accesso ai servizi medici, nel mettere in contatto diretto il medico con il malato.
Prima della guerra furono sperimentati tele-stetoscopi, dotati di amplificatori sonori e durante la prima Guerra mondiale Lancet documentò il funzionamento del rilevatore telefonico di proiettili nel corpo dei feriti, per mezzo di un elettrodo coperto da un panno bagnato collegato al ricevitore. In una parola, anche l’utilizzo in fase emergenziale fu anticipato dalle prime sperimentazioni telefoniche pochi anni dopo la creazione delle prime reti. L’articolo riporta gli esempi dei primi teleconsulti e delle prime teleconferenze, nonché l’impatto dell’epidemie di scarlattina nell’accrescere le connessioni telefoniche per poter comunicare senza entrare in contatto con i malati.
La TM, quindi, ha origini assai antiche. La diffusione della TM ha seguito il passo dell’evoluzione della telefonia, lento fino all’apparizione degli smart phone e di internet. Ma anche dopo, l’ambiente sanitario risulta così complesso che non si sono mai verificate “esplosioni” di applicazioni “killer”, come si diceva qualche anno fa. I professionisti della sanità, ossia i medici e il personale sanitario, hanno una consolidata dimensione deontologica ed etica da far valere. Dopo la cuspide della pandemia, quando la TM sembrava poter risolvere ogni questione, è venuta una pausa di riflessione, che viene incalzata dalle promesse dell’AI. Sono promesse che potranno essere ragionevolmente mantenute solo quando AI entrerà, come sta già facendo, in una fase di specializzazione delle applicazioni, abbandonando il primo scenario che essa stessa ha aperto, quello dell’AI generale. Quando avrà abbandonato l’idea che con AI la TM sostituisca il medico e paziente.
Seguiremo, in questa nota, la tesi di Luciano Floridi “IA come forma dell’agire e non dell’intelligenza” argomentata ampiamente nel suo saggio sull’etica dell’AI[iv]. Essa ha il grande pregio di insistere sull’aspetto operazionale dell’AI, e non sulla sua capacità di scimmiottamento dei processi cognitivi. Non è solo questione di filosofia, ma anche di risultati e di direzione degli investimenti e della spesa dei clienti.
L’assestamento dei valori degli asset dell’AI generale e il ruolo della telemedicina
Infatti, se l’attenzione, in particolare del cliente oggi frastornato dalle promesse “generaliste” dei fornitori, si sposta su che cosa fare nel proprio specifico processo organizzativo, tutta la catena della produzione, ma anche della ricerca sull’AI ne risentirebbe positivamente. Ed è ciò che accadrà con l’assestamento dei valori degli asset dell’AI generale. Assestamento che, a nostro avviso, è già in atto.
In questo assestamento, la TM può svolgere un ruolo cruciale. Il prossimo Congresso della Società Italiana di Telemedicina (Telemedicina oggi: strumento per il buon governo della sanità tecnologica, Bologna 8-10 maggio 2025) potrà dare un contributo non marginale in questo senso.
La telemedicina esce dall’emergenza
L’uscita dall’emergenza Covid ha portato una messe di studi sulla TM, spesso sbrigativi e di modesta qualità. Studi e ricerche che, sull’onda emotiva e per effetto dell’attenzione accesasi sulla scarsità di risorse sanitarie, hanno enfatizzato il potenziale della TM in tutte le aree, evocando irresistibilmente – come il canto delle sirene – il ruolo demiurgico dell’intelligenza artificiale. I dati sugli investimenti nelle aziende di telehealth, invece, continuano ad essere molto inferiori a quelli del 2021, con circa 3,1 miliardi di dollari nei primi sei mesi del 2024, in linea con i 6 miliardi dell’intero 2023, ma assai al di sotto dei 22 miliardi del 2021. Le televisite non si sono ancora riprese e continuano a ridursi fino a tutto il 2023 negli Stati Uniti.
L’importanza di approfondire gli impatti della TM nei diversi contesti applicativi
La TM incontra qualche difficoltà sul fronte politico, per lo meno negli Stati Uniti, dove l’Ufficio di Bilancio del Congresso sostiene che l’estensione delle coperture delle spese per i servizi di TM, introdotta con il Covid, porterebbe ad un incremento della spesa di due miliardi di dollari del servizio Medicare[vi]. La ragione è che la TM, proprio perché non è ancora integrata nell’assistenza standard, frequentemente risulta una duplicazione delle attività e dei controlli ordinari[vii].
A primavera del 2024 Walmart Health Virtual Care – lanciata nel 2021 – è stata chiusa, e lo stesso è accaduto per Optum, piattaforma di teleassistenza. Amwel e Teladoc, due delle maggiori piattaforme di telemedicina hanno annunciato licenziamenti massicci e riposizionamenti strategici.
Questi segnali confermano l’importanza di approfondire la conoscenza degli impatti della TM nei diversi contesti applicativi e sotto diversi aspetti, non limitandosi alla survey delle pubblicazioni, ma costruendo rilevazini statistiche confrontabili nel tempo e nello spazio secondo precisi standard, in grado di offrire risposte alle domande del policy maker, del gestore di aziende ospedaliere, del cittadino-utente. Altrimenti rimaniamo confinati nel sondaggismo qualitativo.
Al contempo, occorre guardare a quanto sta accadendo nell’AI. Il mercato finanziario, all’ascolto delle più leggere brezze, che anticipano le tempeste (e che a volte vengono scambiate per le tempeste stesse), è in posizione di attesa. Sta esaurendosi la spinta dell’entusiasmo, si cominciano a fare i primi conti, le quotazioni ne risentono. E’ probabile che, come accadde per internet all’inizio del secolo, occorra una robusta, se non drammatica, svalutazione degli investimenti fatti nella fase iniziale, per ricominciare dopo aver distribuito un bel po’ di capital gain a pochi e e un bel po’ di perdite a molti.
NVIDIA, il produttore di processori per AI che viene spesso paragonata ai venditori di picconi, pale e setacci durante la corsa dell’oro di fine Ottocento -a significare che chi sta facendo i veri affari su AI sono i produttori di HW- era quotata 130 euro il 20 giugno ed ora è scesa a 108.
L’ascesa dell’AI nel contesto della telemedicina
In questo passaggio complicato , gli occhi di molti analisti si sono puntati sull’innovazione che potrebbe produrre il salto di qualità nella TM, dopo il parossismo della pandemia. E’ l’AI, a cui vengono attribuiti i più svariati compiti:
migliorare la cura da remoto, sia nella diagnosi sia nella cura sia nel monitoraggio;
incorporare l’intelligenza nelle apparecchiature e negli strumenti per ottenere procedure più sicure e precise (chirurgia…)
fornire strumenti per verificare i dati del paziente ed evitare errori di diagnosi e terapia;
identificare possibili trattamenti nuovi alla luce di nuove esperienze cumulate ed analizzate;
migliorare la qualità del servizio, introducendo punti di accoglienza e indirizzo virtuali, riducendo i costi complessivi dell’assistenza medica e anche quelli dell’accesso e della programmazione dei servizi.
É tuttavia una lista che ha scarsa originalità, essa viene ripetuta in ogni rassegna da dieci anni a questa parte, con pochi aggiornamenti significativi. Mancano i dati dell’impatto effettivo della TM: sul servizio, sull’utente, sul medico e non ultimo sull’amministratore dell’azienda ospedaliera. Pochissimi sono i contributi teorici e le ricerche empiriche sull’impatto dell’AI sull’organizzazione del lavoro, una assenza che rende tutte le rassegne che abbiamo consultato, prive di una dimensione economicamente significativa. L’aspetto economico è sotto attenzione delle rassegne riguardanti i paesi africani, ma anche in questo caso gli autori faticano a produrre evidenza empirica[ix]. Sono poco indagati due aspetti fondamentali: la responsabilità dell’operatore sanitario, ed in particolare del medico, e la sua motivazione. Invece ci si dilunga sull’atteggiamento da tenere verso il paziente, che in realtà dipende dall’atteggiamento che il medico ha verso la TM e non viceversa.
Ma se la letteratura propende prevalentemente ad enfatizzare in modo acritico le potenzialità dell’applicazione dell’AI alla TM, non ha alcun senso demonizzare l’AI o rimuoverla come un fenomeno di moda.
Oggi essa è disponibile nella sua versione d’esordio. É Sam Altman a dirlo: “ChatGPT è incredibilmente limitata, ma abbastanza buona per fare cose che creano una deformata percezione di grandezza. É sbagliato confidare su di lei per qualsiasi cosa importante immediatamente. É un assaggio in progress; abbiamo un sacco di lavoro da fare sulla sua robustezza e veridicità”[x]. Che cosa porterà AI tra dieci anni, solo un Profeta con la P maiuscola può dirlo. Certamente quello che dicono i cantori attuali di AI è del tutto inverosimile: nessuna grande innovazione ha mai dato la soddisfazione ad un ammiratore di prevederne le applicazioni e l’estensione di utilizzo non dico a 10, ma neppure a 5 anni. Oggi la maggior parte degli osservatori e degli imprenditori del settore insiste sulla onni-potenza di AI, ed esibisce, a prova di ciò, la straordinaria capacità di interazione linguistica che ha dimostrato ChatGPT.
Il precedente di Eliza
Sembra di esser tornati, in versione parossistica parossistica, alla storia di 60 anni fa, quando ELIZA divenne una pop star, tutti la volevano come amica, confidente, consigliere. Consentitemi diaprire una parentesi assai istruttiva.
Negli anni 1964-1965, lo scienziato di computer dell’MIT, Joseph Weizenbaum, scrisse un programma per scomporre il linguaggio che poteva funzionare nel nuovo sistema di time sharing dell’università. Uno studente scriveva una frase e il computer, seguendo un set di regole grammaticali dell’inglese, identificava una frase o parola saliente all’interno del periodo e, seguendo un altro set di regole, rispondeva allo studente. Waizenbaum non attribuiva particolare rilevanza a questo suo esercizio, ma ebbe l’intuizione di personalizzare il software, chiamandolo ELIZA, come Eliza Doolittle, la ragazza che nel dramma di Bernard Shaw Pigmalion impara a parlare inglese sotto la guida di un illustre linguista.
Macchine e coinvolgimento emotivo, un dialogo con Eliza
Proponiamo la traduzione di un dialogo tra l’interlocutore ed ELIZA (corsivo).
I maschi sono tutti uguali.
In che modo?
Ci disturbano in un modo o in altro.
Puoi pensare un esempio specifico?
Bene, il mio fidanzato mi ha fatto venire qui.
Il tuo fidanzato ti ha fatto venire qui.
Dice che sono depressa per la maggior parte del tempo.
Mi dispiace sentire che sei depressa.
È vero. Sono infelice.
Pensi che venire qui ti aiuterà a non essere infelice?
Ho bisogno di qualche aiuto, questo mi sembra sicuro.
Che cosa significa per te trovare qualche aiuto?
Forse potrei imparare a stare vicino a mia madre.
Dimmi altre cose sulla tua famiglia.
Mia madre si prende cura di me.
Chi altro nella tua famiglia si prende cura di te?
Mio padre.
Tuo padre.
Tu sei come mio padre per certi aspetti.
Che rassomiglianza vedi?
Non sei molto aggressivo…
ELIZA conquistò il pubblico del campus, diventando una star dei dibattiti sui computer e sul time sharing. Le copie del programma proliferarono raggiungendo altre scuole e un pubblico più vasto. Weizenbaum era sbalordito “dal coinvolgimento emotivo con il computer delle persone che dopo aver conversato con lui per un po’ di tempo, insistevano, nonostante le mie spiegazioni, che la macchina li avesse veramente capiti”.[xi]
La parabola mostra in modo tangibile i rischi enormi che corriamo, con potenze di calcolo incomparabilmente maggiori di quelle di oltre mezzo secolo fa. La tendenza all’umanizzazione della macchina è ancora più pericolosa oggi, che essa appare molto più verisimile e, veicolata instancabilmente dalla propaganda dei promotori, a portata di mano. Sam Altman preannunciava, poco più di un anno fa un grande lavoro da fare su ChatGPT. ChatGPT, parlando di sé stessa, è meno critica del suo artefice: “ChatGPT è un possente modello linguistico che ha il potenziale per rivoluzionare il modo in cui interagiamo e utilizziamo l’intelligenza artificiale nella nostra vita quotidiana. La sua capacità di generare testo simile a quello umano gli consente di assistere con una vasta gamma di attività che coinvolgono l’elaborazione del linguaggio, rendendolo uno strumento prezioso per aziende, ricercatori e individui”[xii]. Naturalmente, è il parere autoreferenziato di ChatGPT quello che meglio rappresenta il “sentiment” diffuso.
Non sarà solo su quella piattaforma che un grande lavoro dovrà essere fatto. E gli investimenti lo dimostrano.
Umanizzazione della macchina e disumanizzazione del professionista
Il tema di ELIZA, l’umanizzazione della macchina, si accompagna a quello della disumanizzazione del professionista, particolarmente sentita nella sanità. Paradossalmente, mentre aumenta la capacità di automazione dei processi, il medico è stato sovraccaricato di adempimenti burocartici che poco hanno a che fare con la qualità del servizio e che contrastano con l’utilizzo intelligente del proprio tempo di lavoro.
Questo effetto è paradossale: l’aumento esponenziale delle capacità di quelli che in Francia si chiamano ordinatori, non è stato capace di semplificare l’amministrazione e la somministrazione della sanità: è l’effetto del prevalere delle conoscenze tecnologiche del fornitore rispetto a quelle organizzative del cliente. In altre parole il fornitore -tecnologo ha venduto al cliente non soluzioni, ma macchine.
I medici temono che l’innesto dell’AI nella TM dia un ulteriore spinta alla disumanizzazione del ruolo del medico, alla perdita di quel senso di responsabilità che è la chiave del rapporto medico-paziente ed è anche la chiave per far accettare la TM da parte del paziente. L’insistenza sul paziente, che deve essere rassicurato e preparato al recepimento della TM arricchita dall’AI, scambia gli effetti con le cause. In realtà la sicurezza del paziente viene dalla responsabilità del medico, su cui l’attenzione è oggi del tutto insufficiente.
Complessità vuol dire competizione
Nella TM, nonostante gli annunci degli osservatori più ottimisti, rimane difficile affrontare le esigenze di telemonitoraggio e teleconsulto senza applicazioni specifiche nella fase della raccolta dei dati rilevanti ai fini della diagnosi e della definizione degli step successivi. I sistemi generali di AI sono del tutto ridondanti ed inefficaci.
Al di là dei recuperi di efficienza energetica determinati dal progresso tecnico, nella fase di addestramento e nell’inferenza, i sistemi generali sprecano una quantità enorme di energia e di capacità di calcolo. Il training di OpenAI GPT4 ha un consumo di energia pari a 50 appartamenti americani per un secolo. “Inoltre, la risposta ad una domanda rivolta ad un modello può costare dai 2.400 $ fino a 233.000…con i costi di inferenza che possono giungere a superare quelli del training”[xiii]. Stesso discorso per il controllo dei referti e la segnalazione di anomalie: è del tutto inutile utilizzare modelli di linguaggio naturale allargati per questo tipo di soluzioni.
Ma fino ad oggi i grandi investimenti nell’AI sono guidati dai modelli generali e solo di recente gli investimenti nelle start up cominciano a disturbare questa macrotendenza. Naturalmente si accende la competizione anche sui modelli generali, poiché Big Tech non sta a guardare e Anthropic, Google, Meta stanno investendo e si avvicinano.
L’emergere di esigenze differenziate è tanto più evidente quanto più il pubblico capisce i limiti dei modelli di AI generali, come ChatGPT. Questa articolazione della domanda richiede naturalmente una capacità di interloquire con il fornitore, che oggi detiene tutto il sapere e tende a vendere la soluzione che lui propone, e che in generale è sovradimensionata o del tutto sfasata rispetto al bisogno effettivo. Si tratta di un processo non semplice e non rapido.
Si cominciano, tuttavia, ad avvertire gli scricchiolii dell’attuale assetto superconcentrato del settore AI, anche sotto il profilo dei processori. Quelli di NVIDIA sono sempre più tarati sulle esigenze del modelli larghi di AI, ma si affaccia la competizione dei chiplets di AMD, delle NPU di Apple, delle CPU di Meta, di Amazon, di Hynix[xiv]. Dal 2017 sono stati investiti 24 miliardi di dollari nelle start up dei chip per AI, mentre il costo delle soluzioni basate su tecnologie generali sta allontanando i clienti creando spazi di mercato nuovi.
Le politiche industriali a favore dei costruttori di processori, come scrive l’Economist, hanno portato i governi a delineare politiche industriali di “elemosine. Ma il progresso in AI è fondato sulla disponibilità dei talenti giusti e di un ecosistema fiorente tanto quanto sui finanziamenti e sulla capacità di calcolo”[xv].
Siamo agli inizi. Ricordiamoci che Yahoo! sembrava inattaccabile, e apparve Google. Nokia e Motorola erano i telefonini e sono apparsi gli smartphone. Olivetti era il secondo produttore di PC in Europa. Anche OpenAI, cui va il merito di aver aperto la strada opera su un mercato contendibile nel quale la TM rappresenta l’area più critica. Essa richiede una specializzazione, anche nelle applicazioni AI, che il mercato non tarderà a fornire con aziende innovative.
Note
[i]) S. H. Aronson, The lancet on the telephone 1876-1975, Medical History, 1977.
[ii]) Ayesha Amjad, Piotr Kordel, Gabriela Fernandes, A review on Innovation in Healthcare Sector (Telehealth) through Artificial Intelligence, Sustainability, 2023, 15, 6655.
[iii]) Steven Pole, The Fourth Industrial Revolution review – adapt to new technology or perish, The Guardian, 6 Jan, 2017.
[iv]) Luciano Floridi, Etica dell’intelligenza artificiale. Sviluppi, opportunità, sfide, Raffaello Cortina Editore, 2022.
[v]) PitchBook, Digital Health Overview, September 23, 2024.
[vi]) Heather Landi, Health systems urge Congress to lay down a permanent road map for telehealth services as clock ticks on December deadline, Fierce Healthcare, Apr. 11, 2024.
[vii]) Sanjula Jain, The Compass. Telehealth Demand: An Update Four Years After the Onset of the Covid-19 Pandemic, Trilliant Health, June 9, 2024.
[viii]) Ivi.
[ix]) Oluwatoyin Ayo-Pari, Oluwatosin Ogundairo, Chinedu Paschal Maduka, Chiamaka Chinaemelum Okongwu, Abdulraheem Olaide Babarinde, Olamide Tolulope Sdamade, Telemedicine in Health Care: A Review of Progress and Challenges in Africa, Matrix Sci Pharma 2023; 7:124-32
[x]) Sam Altman, CEO OpenAI, Twitter 12/10/22.
[xi]) Nicholas Carr, op. cit. cap. 10, A thing like me.
[xii]) Supply Chain TodayThe Best ChatGPT Quotes, https://www.supplychaintoday.com/best-chatgpt-quotes/
[xiii]) Economist, The breakthrough AI needs, September 21st 2024.
[xiv]) Economist, Getting to one trillion, e anche: A Cambrian explosion?, September 21st 2024.
[xv]) The breakthough… cit.
Testo a cura di: Mario Dal Co
Economista e manager, già direttore dell’Agenzia per l’innovazione