\n
<\/p>\n
AGI – Sappiamo gi\u00e0 che l’intelligenza artificiale<\/strong> pu\u00f2 supportare efficacemente i medici nella formulazione delle diagnosi<\/strong>; la novit\u00e0 consiste nello scoprire che IA ed esperti umani “sbagliano” in maniera differente<\/strong>: una complementariet\u00e0<\/strong>studio internazionale guidato dal Max Planck Institute for Human Development<\/strong>, in collaborazione con lo Human Diagnosis Project (Human Dx)<\/strong> e con l’Istituto di scienze e tecnologie della cognizione del CNR (Cnr-Istc)<\/strong>.<\/p>\n Lo studio, pubblicato sulla prestigiosa rivista PNAS<\/strong>, ha dimostrato che la combinazione delle competenze umane<\/strong> con la capacit\u00e0 dei sistemi IA contemporanei<\/strong> porta a diagnosi significativamente pi\u00f9 accurate<\/strong>. Gli errori diagnostici<\/strong> sono tra i problemi pi\u00f9 gravi nella pratica medica quotidiana. I sistemi basati su IA, in particolare i modelli linguistici di grandi dimensioni (LLM)<\/strong> come ChatGPT-4<\/strong>, Gemini<\/strong> o Claude 3<\/strong>, offrono nuovi modi per supportare le diagnosi mediche, ma comportano anche rischi considerevoli<\/strong>: possono “allucinare”, generare false informazioni<\/strong> e riprodurre pregiudizi<\/strong> osservabili in ambito medico e sociale.<\/p>\n Il team ha studiato come esperti umani e sistemi IA<\/strong> possano collaborare al meglio. Il risultato \u00e8 che i team ibridi<\/strong> \u2013 composti sia da esperti umani che da sistemi IA \u2013 sono significativamente pi\u00f9 accurati<\/strong> dei team composti esclusivamente da esperti umani o da IA. Questo vale soprattutto per quesiti diagnostici complessi<\/strong> e aperti con numerose possibili soluzioni. Secondo Nikolas Zoller<\/strong>, autore principale e ricercatore post-dottorato presso il Center for Adaptive Rationality<\/strong> del Max Planck Institute, la cooperazione tra umani e IA ha un grande potenziale<\/strong> per migliorare la diagnosi medica e la salute dei pazienti.<\/p>\n I ricercatori hanno utilizzato i dati forniti da Human Dx<\/strong>, associando a vignette cliniche<\/strong> \u2013 brevi descrizioni testuali di casi \u2013 le diagnosi corrette. Utilizzando oltre 2.100 vignette<\/strong>, lo studio ha confrontato le diagnosi formulate da professionisti medici con quelle di cinque sistemi IA<\/strong>. Sono stati simulati diversi team diagnostici: individui, team umani, team IA e team misti. In totale, sono state analizzate oltre 40.000 diagnosi<\/strong>, valutate secondo gli standard medici internazionali SNOMED CT<\/strong>.<\/p>\n La combinazione di pi\u00f9 sistemi IA<\/strong> ha migliorato la qualit\u00e0 diagnostica. In media, i team IA hanno ottenuto risultati migliori rispetto ai team umani nell’85% dei casi<\/strong>. Tuttavia, ci sono stati numerosi casi in cui gli esperti umani hanno fornito la diagnosi corretta quando l\u2019IA falliva. La complementariet\u00e0 degli errori<\/strong> rende i team ibridi particolarmente efficaci.<\/p>\n Secondo Stefan Herzog<\/strong>, ricercatore senior al Max Planck Institute, l\u2019IA non deve sostituire gli esseri umani, ma essere considerata uno strumento complementare<\/strong> nel processo decisionale collettivo. Tuttavia, lo studio ha analizzato solo casi clinici testuali<\/strong>, non pazienti reali, e si \u00e8 limitato alla fase diagnostica, senza considerare le conseguenze terapeutiche<\/strong>.<\/p>\n Resta incerto come i sistemi IA saranno accettati nella pratica clinica da personale medico e pazienti<\/strong>. I rischi di pregiudizi e discriminazioni<\/strong> \u2013 etnici, sociali o di genere \u2013 richiedono ulteriori ricerche. Lo studio fa parte del progetto Hybrid Human Artificial Collective Intelligence in Open-Ended Decision Making (HACID)<\/strong>, finanziato da Horizon Europe<\/strong>, che mira a sviluppare sistemi di supporto alle decisioni cliniche integrando intelligenza umana e artificiale.<\/p>\n Secondo Vito Trianni<\/strong>, dirigente di ricerca del Cnr-Istc<\/strong> e coordinatore del progetto HACID, l\u2019approccio pu\u00f2 essere trasferito anche ad altri ambiti professionali come il sistema legale<\/strong>, la risposta alle emergenze ambientali<\/strong> o le politiche climatiche<\/strong>. Il progetto HACID sta sviluppando strumenti per migliorare il processo decisionale<\/strong> nello sviluppo di strategie di adattamento al cambiamento climatico<\/strong>.<\/p>\n","protected":false},"excerpt":{"rendered":" AGI – Sappiamo gi\u00e0 che l’intelligenza artificiale pu\u00f2 supportare efficacemente i medici nella formulazione delle diagnosi; la novit\u00e0 consiste nello scoprire che IA ed esperti umani “sbagliano” in maniera differente: una complementariet\u00e0studio internazionale guidato dal Max Planck Institute for Human Development, in collaborazione con lo Human Diagnosis Project (Human Dx) e con l’Istituto di scienze<\/p>\n","protected":false},"author":1,"featured_media":12179,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[29],"tags":[7363,775,2913,1331,698,619,96],"class_list":["post-12178","post","type-post","status-publish","format-standard","has-post-thumbnail","category-politica","tag-accurate","tag-diagnosi","tag-errori","tag-insieme","tag-medici","tag-meno","tag-piu"],"_links":{"self":[{"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/posts\/12178","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/comments?post=12178"}],"version-history":[{"count":0,"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/posts\/12178\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/media\/12179"}],"wp:attachment":[{"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/media?parent=12178"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/categories?post=12178"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/polinex.cluster021.hosting.ovh.net\/index.php\/wp-json\/wp\/v2\/tags?post=12178"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Team ibridi: IA e umani insieme<\/h2>\n
Metodologia e risultati<\/h2>\n
Limiti dello studio e prospettive future<\/h2>\n
Applicazioni in altri ambiti<\/h2>\n