Intelligenze collettive e connesse per un’assistenza sanitaria su DLT: dall’utopia alla realtà

1. Home
2. Mercati
3. Sanità
4. Intelligenze collettive e connesse per un’assistenza sanitaria su DLT: dall’utopia alla realtà

10 Marzo 2021
Sanità

L’Italia ha inserito nella legge di bilancio 2019 la partecipazione alla “European blockchain partnership”. È scritto nell’articolo 8 bis: le tecnologie basate su registri distribuiti (DLT) sono “le tecnologie e i protocolli informatici che usano un registro condiviso, distribuito, replicabile, accessibile simultaneamente, architetturalmente decentralizzato su basi crittografiche, tali da consentire la registrazione, la convalida, l’aggiornamento e l’archiviazione di dati, sia in chiaro che ulteriormente protetti da crittografia, verificabili da ciascun partecipante, non alterabili e non modificabili”. L’ordine di posizionamento del blocco di genesi, dei blocchi orfani e figli costituisce la blockchain. I blocchi orfani e figli possono avere medesima struttura del blocco madre, nel rispetto della decentralizzazione delle conoscenze. La partecipazione alla blockchain dovrebbe essere aperta a tutti coloro che operano in sanità ma soprattutto a tutti i cittadini.

La tecnologia blockchain può rappresentare un contenimento della spesa sanitaria ma necessita di quantità elevate di energia, analisi dei costi e della necessità energetica non sono oggetto del presente studio.

Non è escludibile che in un futuro non lontano il sistema digitale potrà essere sostituito da sistemi analogici e da nanotecnologie.

Il progetto delle intelligenze naturali e artificiali

L’associazione simultanea di tecnologie diverse ottiene spesso risultati eccellenti perché errori fatti da una tecnologia sono corretti dall’altra e viceversa; le potenzialità dei risultati, spesso, superano la somma delle caratteristiche delle tecnologie singolarmente utilizzate.

Il progetto delle intelligenze naturali e artificiali prevede l’associazione tra 1-2-3:

1. le intelligenze umane connesse e collettive creano conoscenze strutturate computabili;
2. l’intelligenza artificiali debole e l’intelligenza forte creano conoscenze deterministiche;
3. gli apprendimenti umani e artificiali aumentano le conoscenze.

Le informazioni strutturate sono proposizioni o frasi condivise e suddivise in domanda (1) e risposte (2) in ambito sanitario, unibili da connettivi logici, espressioni delle intelligenze umane collettive e connesse.

I vari tipi di intelligenza

L’intelligenza umana contenuta nel nostro encefalo è naturale, collettiva, connessa, creativa, emotiva, matematica, naturale, sociale; cresce nelle relazioni che creiamo con il mondo, le persone, l’ambiente e gli oggetti; cresce nel continuo mutare di queste relazioni, insieme alle intelligenze degli altri.

Alimentano l’intelligenza umana: arte, autocritica, autorevolezza, buon senso, chiarezza, competenza, consapevolezza, costanza, cultura, dubbio, esperienza, fantasia, forza di volontà, idee ribelli, immaginazione, ingegnosità, intuito, ironia, perseveranza, predisposizione. Internet delle cose (gli oggetti raccolgono dati, accedono ad archivi di dati aggregati e trasmettono in tempo reale informazioni) aumenta l’intelligenza umana perché aumentano i rapporti con il mondo esterno.

L’intelligenza collettiva è la capacità universalmente distribuita, costantemente aumentata, coordinata in tempo reale, in grado d’indurre un’effettiva mobilitazione di competenze, attraverso il mutuo riconoscimento e arricchimento cognitivo dei collaboranti competenti in un dominio.

L’intelligenza connessa è la capacità degli uomini di comunicare attraverso reti informatiche che hanno debiti e crediti informativi, semantica, standard di linguaggio, tecnologie e conoscenze concordate, condivise e uniformi.

Le intelligenze artificiali sono l’insieme di studi e tecniche che tendono a realizzare macchine, in grado di risolvere problemi complessi in modo automatico, simulando o emulando attività proprie dell’intelligenza umana. Storicamente sono riconosciuti due tipi di intelligenza artificiale:

a) l’intelligenza artificiale debole emulazionistica basata sul principio che l’essenza del funzionamento del cervello non risiede nella sua struttura ma nelle sue prestazioni;

b) l’intelligenza artificiale forte simulazionistica basata sulla ricerca per riprodurre il più fedelmente possibile la fisiologia del cervello.

L’avanzamento delle conoscenze nella medicina e nell’assistenza sanitaria è imprescindibile dal coinvolgimento di intelligenze collettive e connesse di tutti gli operatori sanitari, secondo le diverse competenze, su piattaforma unica e pubblica.

Il ragionamento clinico

Il pensiero razionale utilizza memorie, conoscenze ed esperienze individuali, variando ognuna di queste, mutano i ragionamenti. A intelligenze, conoscenze, esperienze simili conseguono spesso ragionamenti simili se posti in medesime condizioni.

Il ragionamento naturale clinico dell’esperto in medicina utilizza memorie, conoscenze ed esperienze individuali in contesti sociali, economici, emotivi ed etici diversi. Le basi delle conoscenze che reggono il ragionamento del medico nel corso di tutta la sua vita professionale variano per riduzione della memoria e delle conoscenze in toto con il ricorso più frequente alle conoscenze empiriche, non sempre aggiornate e certe.

Il ragionamento clinico dovrebbe avvalersi:

1. del ragionamento naturale
2. del ragionamento simbolico cioè il pensare che utilizza la logica simbolica, i sistemi esperti, gli algoritmi genetici e la programmazione genetica; giustificano il percorso; attraverso la ricerca euristica; studiano le verità conosciute basandosi sulla documentazione dei fatti
3. dell’intelligenza artificiale.

Il ragionamento clinico che porta alla tutela della salute altrui e non può essere privo dell’etica, dell’assunzione morale della responsabilità, dell’ingegno, della coscienza, della padronanza della semantica, dell’esperienza. Se una macchina sarà più intelligente dell’uomo medico, l’uomo medico diventerà sempre meno intelligente in quanto non sarà necessario esserlo; il rischio reale è di essere curati da un algoritmo e da un medico non intelligente. Attualmente non sono disponibili nella pratica clinica quotidiana strumenti che uniscano dati clinici, conoscenze empiriche, ragionamento simbolico e intelligenza artificiale.

Cinque innovazioni determineranno il cambiamento dell’assistenza sanitaria:

1. l’utilizzo di intelligenze umane collettive e connesse
2. le capacità e la velocità di elaborazione dei nuovi computer
3. la disponibilità di dati strutturati e computati in piattaforma unica collettiva e condivisa
4. le intelligenze artificiali
5. la tecnologia blockchain.

Blockchain e sanità: la medicina a sistema binario di logica simbolica

Se

• il neurone umano opera su un sistema binario regolato da stimoli di differenti potenziali, originati da principi fisici e chimici, in grado di fare calcoli di logica matematica
• le reti neurali umane operano su sistema binario
• le reti neurali artificiali operano su sistema binario
• i sistemi digitali operano su sistema binario numerico,

si pone allora l’interrogativo: “è possibile rappresentare, sviluppare, memorizzare, richiamare, il ragionamento clinico medico con un sistema binario computabile?”. La risposta è “sì”: il ragionamento clinico è un percorso a binario computabile.

La medicina a sistema binario può essere domanda (0) risposte (1) semplici o complesse di dati strutturati digitalmente e mentalmente. Inoltre, se la domanda (0) è una frase e se le risposte (1) alla domanda 0 sono una o più frasi con connettivi, ecco potremo parlare di medicina a sistema binario di logica.

Le domande e le risposte possono essere matematiche o semantiche queste ultime non obbligatoriamente uniche, entrambe sono sottoponibili ai processi dell’intelligenza artificiale debole e forte.

Gruppi di domande e risposte studiate dagli esperti formano il contenuto dei registri che, se condivisi e connessi saranno distribuiti; indistintamente costituiscono il blocco di genesi o blocco madre. Dal blocco di genesi sono tratte domande e risposte per formare blocchi figli e blocchi orfani strutturalmente identici al blocco madre.

L’insieme domanda e risposte è l’informazione unica del blocco madre e darà alla compilazione dell’esperto origine alla conoscenza unica.

Il problema più difficile resta la definizione dei contenuti del registro, in quanto parti fondamentali che derivano dalle conoscenze scientifiche, non obbligatoriamente certe, necessitanti di aggiornamenti, contestualizzazione e rimodulazione. Non è difficile trasformare un testo unico in strutturate domande e risposte per formulare un registro da distribuire; la difficoltà, invero superabile, è nel contenuto del testo e nel suo significato semantico.

La costruzione futura dei registri distribuiti dovrà essere pubblica, aperta a dati facoltativi e variabili; comprensiva di dati obbligatori; disponibile a debiti e crediti informatici concordati tra le intelligenze collettive multi specialistiche degli operatori sanitari rappresentati nelle associazioni scientifiche e negli albi professionali. Nessun operatore sia escluso; in questo ampio lavorare siano restituite le responsabilità individuali della cura.

I diversi registri distribuiti dovranno essere stabiliti da tutti gli operatori sanitari sulle competenze specifiche e diffuse attraverso le Associazioni scientifiche.

Il blocco madre resta condiviso o condivisibile. Le risposte sono di competenza degli operatori sanitari secondo le competenze, sono prevalentemente conoscenze empiriche, ma possono essere frutto del ragionamento simbolico quindi scientifiche e possono sempre alimentare la base della conoscenza nel dominio.

Blockchain e sanità: la medicina binaria nelle cure

La possibilità di utilizzare la medicina a sistema binario di logica presuppone che qualsiasi ricerca, linea guida, protocollo o atto medico sia riconducibile a domande e risposte strutturate, tale da divenire parti del registro distribuito. La strutturazione deve essere computabile ma soprattutto mentale dell’operatore sanitario secondo competenze certe.

La costruzione dei registri distribuiti per le competenze mediche è possibile, non è complessa ma ha competenze specifiche dei diversi operatori sanitari che non debbono essere trascurate.

Le domande e le risposte del blocco madre hanno numero molto elevato ma possono essere facilmente individuate se le intelligenze sono collettive.

L’autore ha simulato la possibilità di una assistenza sanitaria con registri distribuiti su sistema binario di domanda e risposta nell’attività clinica dell’ambulatorio dell’ipertensione arteriosa e nella cura al malato terminale. I risultati sono considerati soddisfacenti. Si attende la parte informatica e istituzionale.

Ecco il percorso da compiersi in successione ordinata da 1 a 5 con punto di partenza fisso 1 e ritorno all’1 per un nuovo percorso circolare da 1 a 5.

1. Guidate da tutte le associazioni scientifiche le intelligenza umane e le esperienze individuali lavorino connesse, collettive, multidisciplinari e multispecialistiche. Le domande e le risposte costruite su binario di logica costituiscano i registri distribuiti che formano il blocco di genesi comune i blocchi orfani. I blocchi utilizzino la tecnologia blockchain. Queste conoscenze rappresentino la strutturazione corretta della raccolta delle conoscenze delle intelligenze naturali.
2. Le intelligenze naturali con il ragionamento clinico e simbolico, rispondano alle domande presentate con le risposte presenti nel registro distribuito; creino informazioni e conoscenze che raccolte costituiscano conoscenze empiriche non necessariamente errate.
3. Le conoscenze strutturate del punto 2 siano esaminate dagli strumenti dell’intelligenza artificiale, si creino algoritmi genetici con concatenamento in avanti ed indietro ottenendo conoscenze deterministiche secondo le quali il verificarsi dei fenomeni è necessariamente determinato secondo principi di causa diretta ed effetto; siano fondate sul ragionamento simbolico, sulla logica, sui sistemi esperti, sull’esperienza. Inizi qui il processo di collaborazione tra intelligenza umana e artificiale con un percorso che è fondamentale nel riconoscere errori e nell’apprendere.
4. Insiemi di conoscenze strutturate empiriche e deterministiche siano riportate all’autoapprendimento macchina per ottenere le conoscenze scientifiche necessarie alle attività dei medici per progredire.
5. L’uso contemporaneo di intelligenza naturale + intelligenze artificiali + apprendimenti intellegibili può generare conoscenze scientifiche, pur nella consapevolezza che neppure le conoscenze scientifiche sono definitivamente certe.

Il percorso garantisce che le conoscenze in sanità possano essere:

• controllate da enti pubblici che hanno il dovere di stabilire gli standard di legge nelle telecomunicazioni
• gestite dalle associazioni scientifiche per quanto di competenza
• suddivisibili in domini ristretti, capitoli, paragrafi, per ogni disciplina medica e per ogni attività assistenziale di base, specialistica e ultraspecialistica
• strutturate mentalmente ab initio e classificate in prevenzioni, anamnesi, esami obiettivi, esami di laboratorio, diagnosi, terapie, riabilitazione, prognosi
• attuali, affidabili, aggiornabili, annullabili, chiare, comprensibili, conclusive, contestualizzate, essenziali, estraibili, integre, libere, semplici, sincere, stampabili, totali, trasferibili, trasparenti, verificabili, verificate
• leggibili, espresse in lingua italiana, prive di sigle o acronimi, integrate con simboli e formule
• complete dalla nascita al fine vita dell’interessato, collocate nella totalità in unica sede informatica, continue, accessibili e continuative temporalmente, replicabili, non alterabili, convalidate, immodificabili,
• giuste al momento dell’immissione e in ogni momento di consultazione
• garanti di autoapprendimento, autonomia professionale, obiezione e tutela di coscienza
• riconoscibili nella responsabilità dell’introduzione, elaborazione, aggiornamento, utilizzo, archiviazione e cancellazione
• disponibili ai cittadini e a tutti gli operatori della sanità: medici pubblici e liberi professionisti, chimici, fisici, biologi, infermieri, logopedisti, fisioterapisti, informatici, ingegneri, operatori di statistica e così numerosi altri.

Queste caratteristiche possono configurare una assistenza sanitaria diffusa, semplice nella stesura e nella lettura, uniforme e uguale nella distribuzione, modulabile secondo le risorse, gestita dalla mente umana, riconoscibile dai governi e dal cittadino, progettata dagli scienziati ma condivisa e chiara nella esposizione e nello sviluppo.

Rete neurale umana e artificiale

Il sistema nervoso centrale umano è costituito da circa 100 miliardi di neuroni, ognuno dei quali riceve ed emette migliaia di connessioni; alcune di queste si estendono per quasi un metro di distanza dai somi di origine.

Il neurone umano funziona con un sistema binario attivo (1) e non attivo (0) ad alta complessità dovuta al numero elevato di neuroni, alle assemblee di cellule, alla plasticità delle sinapsi. Tutto ciò è distribuito in più strati di strutture anatomiche, fisiche e chimiche diverse. Cellule semplici e complesse valutano le congiunzioni e disgiunzioni regolate dai potenziali di azione.

La plasticità sinaptica dà origine a sequenze di vie sinaptiche diverse per conservare schemi di attività, creando assemblee di cellule considerabili unità funzionali del sistema nervoso centrale, in grado di mantenere un’attività nervosa permanente.

Circuiti sinaptici non ad ansa e ad ansa sono in grado di dare origine a stati stabili diversi. Esistono connessioni ascendenti e discendenti.

Preso singolarmente un neurone naturale non è intelligente. Una rete di neuroni è in grado di dare origine a tutti quei fenomeni che noi collettivamente chiamiamo la mente. I processi mentali sono i prodotti delle interazioni che si stabiliscono fra unità elementari di analisi localizzate nel cervello. Le principali differenze tra le cellule nervose riguardano il loro diverso corredo molecolare.

Il neurone di McCulloch e Pitts

Esamineremo il neurone singolo formale e pochi neuroni collegati tra di loro in rete neurale artificiale semplificata, con la consapevolezza delle differenze funzionali tra neurone umano e artificiale.

Nel 1943, Warren McCulloch e Walter Pitts hanno proposto un modello di calcoli che avrebbero dovuto essere eseguiti da un neurone e dalle sinapsi eccitatorie che su di esso convergono. Il neurone di McCulloch e Pitts riceve afferenze multiple e le trasforma in una sola efferenza. Tutte le afferenze e le efferenze rappresentano variabili binarie. Nel modello McCulloch-Pitts i neuroni sono o attivi (1) o non attivi (0). Il neurone è caratterizzato da un unico parametro teta o soglia di attivazione. Ogni variabile in ingresso rappresenta l’attivazione di una sinapsi eccitatoria di un neurone. L’ingresso è uguale a (1) quando è attivata la sinapsi eccitatoria. Il parametro teta è uguale al numero minimo di sinapsi eccitatorie che devono essere attivate simultaneamente per determinare l’insorgenza di un potenziale di azione. In questi termini il modello McCulloch – Pitts formalizza un’immagine caricaturale di un neurone biologico. Due neuroni del tipo McCulloch-Pitts possono essere connessi in modo che l’uscita di un neurone rappresenti l’ingresso dell’altro. Numerose di queste connessioni costruiscono il modello di una rete neurale artificiale.

Questa semplificazione consente l’applicazione dei principi della logica matematica nelle quali i valori binari di 0 e 1 corrispondono a falso (1) e vero (0).

Se accettiamo l’idea che i neuroni biologici siano in grado di eseguire calcoli, è spontanea la domanda su quali sono i calcoli possibili; cercheremo di rispondere al quesito esaminando sempre il neurone di McCulloch-Pitts.

Supponiamo che il parametro teta di un neurone McCulloch sia posto a un livello alto uguale a quello del numero totale delle afferenze, allora il neurone sarà attivato se, e solo se, tutti i suoi ingressi sinaptici saranno attivi. In altre parole l’uscita del neurone rappresenta la congiunzione delle sue variabili di ingresso che è conosciuta come operazione logica AND. Oppure la soglia può essere stabilita a un valore basso posto uguale a 1, tale che l’attivazione di uno o più ingressi sinaptici afferenti, sia sufficiente per attivare il neurone. In questo caso l’uscita del neurone rappresenta la disgiunzione delle sue variabili nota come operazione logica OR.

L’inibizione sinaptica può venire usata per l’operazione logica di negazione NOT ^[1].

AND, OR e NOT sono connettivi logici, cioè elementi grammaticali computabili di collegamento fra predicati o proposizioni che danno origine a predicati o proposizioni con valore diverso, in base al connettivo utilizzato. Riassumendo, i neuroni biologici fanno calcoli e operazioni di logica attraverso un sistema binario. Usando il loro modello, McCulloch e Pitts arguivano che l’attività di ciascun neurone artificiale rappresenta la verità di una proposizione logica. Essi concludevano che i neuroni e per estensione anche le reti di neuroni eseguivano calcoli basati sulla logica.

Dal 1943, data dell’intuizione di McCulloch e Pitts seguirono anni di delusione e diffidenza verso le reti neurali per la scarsità di dati disponibili, l’assenza di computer potenti in grado di simulare l’attività del cervello. Ebbe sviluppo la logica matematica, di cui Boole fu il rappresentante più autorevole.

La logica matematica

La logica è la disciplina che studia le forme del ragionamento corretto e dell’argomentazione, per definire la correttezza delle inferenze del pensiero esatto; riguarda il λόγος (logos), ovvero la parola, l’argomento, il discorso, il pensiero e la ragione.

La logica matematica rappresenta la formalizzazione di un ragionamento deduttivo basato sul trattamento di variabili binarie che rappresentano valori di vero o falso.

Logica simbolica è la disciplina che si occupa della formalizzazione del linguaggio naturale e delle costruzioni di calcoli capaci di garantire ragionamenti rigorosi e non intuitivi.

Il sistema esperto è il programma che parzialmente a) riproduce il ragionamento dell’uomo intelligente in uno specifico dominio; b) risolve problemi complessi la cui risoluzione dinamica richiede considerevole capacità; c) memorizza l’esperienza opportunamente codificata; d) giustifica la propria risposta, restando altamente specializzato e dominio specifico.

1. I sistemi esperti: attraverso l’inferenza generano conoscenze,
2. attraverso algoritmi genetici formati su conoscenza ed esperienza eseguono scelte,
3. attraverso i concatenamenti in avanti e all’indietro spiegano i risultati ^[2].

La logica matematica non ebbe lo sviluppo immaginato per questi motivi:

1. assenza di computer con capacità di calcolo tali da soddisfare la creazione di reti neurali estese
2. difficoltà di strutturare ‘dati’ da parte degli esperti del dominio e degli ingegneri della conoscenza
3. assenza di tecnologie di apprendimenti automatici.

Negli ultimi venti anni è riesploso l’interesse verso l’intelligenza artificiale per alcuni motivi:

• la disponibilità di computer con enormi capacità di calcolo
• la creazione delle reti neurali, di connettivi logici, di algoritmi di estrazione, di tecniche matematiche di apprendimento e di elaborazione
• la disponibilità di una quantità di dati enorme: i big data.

I big data sono dati non strutturati, decontestualizzati che possono essere trattati con gli algoritmi. Il dato è esclusivamente un semplice dato, non è una informazione tanto meno una conoscenza; avere molti dati non significa avere molte informazioni; avere molte informazioni non vuol dire avere molte conoscenze.

L’algoritmo è un procedimento che risolve un determinato problema attraverso un numero finito di passi, esegue istruzioni sequenziali semplici effettuate da un elaboratore; per definizione nessun algoritmo è perfetto, anche se il problema affrontato è di facile risoluzione. Gli algoritmi non sono regolati da modelli di logica o matematica pura; possono sbagliare e spesso sono di parte; sono opinioni umane matematicamente strutturate viziate dalle pre-comprensioni di chi li progetta o di chi vuole ricercare qualcosa. Algoritmi su big data non rappresentano conoscenze di intelligenza artificiale né debole, né forte.

Reti neurali artificiali e apprendimento

Alle funzioni note AND, OR NOT del neurone formale di McCulloch-Pitts altri connettivi logici si aggiungono alle reti neurali artificiali. I connettivi più comuni sono: quantificatori, regole d’eliminazione ed introduzione, se – allora, e, o, ‘non’, modus ponens, modus tollens, negazione antecedente, negazione conseguente, istanza di sostituzione, vero, falso, inconsistenza, equivalenza, implicazione logica, conclusione, conclusioni alternative, decidibilità e disgiunzione ^[3]. Una rete neurale artificiale attraverso i connettivi svolge le operazioni della logica.

Il cervello è in grado di eseguire compiti o valutazioni matematiche che non sono alla portata degli attuali computer, si è auto costruito nel tempo associando i circuiti che compongono le sue sinapsi; il calcolatore elettronico è costruito da agenti esterni, siano essi uomini o macchine. Per simulare questo processo fisiologico di auto progettazione e di auto organizzazione molti modelli di reti neurali artificiali sono dotati di sistemi dinamici che riorganizzano in continuità le proprie ‘connessioni sinaptiche’.

Alcuni di questi sistemi creano o eliminano ‘neuroni’ e le loro ‘connessioni sinaptiche’, altri regolano l’efficacia delle ‘connessioni sinaptiche’ esistenti o provvedono a modificare altre proprietà; in alcuni modelli neurali esistono modelli matematici che regolano l’efficacia della ‘sinapsi’ e dell’apprendimento.

Una rete neurale solitamente nasce senza un orientamento, solo in seguito è esposta a una serie di stimoli ciascuno dei quali fa variare il peso della matrice secondo le regole di apprendimento che possono assumere forme diverse.

È frequente applicare la stessa regola a tutte le ‘sinapsi’, tuttavia nonostante tale uniformità, il peso di ciascuna matrice si diversifica in quanto la regola di apprendimento dipende dall’attività e dal tipo di attività, pertanto si possono produrre reti molto complesse tramite una regola di apprendimento assai semplice.

La vita della rete è suddivisa in fase di apprendimento e in fase di attività. Nella fase di addestramento ‘le sinapsi’ si modificano, mentre nelle fasi operative le regole di apprendimento non sono più presenti. In altri casi le regole di apprendimento possono spegnersi gradatamente o essere continue in modo che la rete sia sempre in grado di adattarsi a situazioni nuove.

Le regole di apprendimento sono sottoposte a supervisione o a non supervisione; uno dei più diffusi metodi di apprendimento sottoposto a supervisione è la retro-propagazione. ^[4]

Conclusioni

Nel 1627 Francesco Bacone nella “Nuova Atlantide” delinea l’utopia di una unione tra scienza e tecnologia, dove la tecnologia sarebbe stata in grado di risolvere molti problemi degli uomini e in cui gli scienziati avrebbero avuto un ruolo determinante.

Nell’era dei big data e degli algoritmi la mente umana non sia schiacciata dalla tecnologia, l’intelligenza umana che crea l’intelligenza artificiale ha il dovere di fornire conoscenze intellegibili, sincere e contestualizzate da inizio a fine pensiero.

L’estrazione matematica di conoscenze strutturate create dall’intelligenza naturale ha caratteristiche diverse dall’estrazione di conoscenze da ‘big data’, ambedue possono essere sottoposte all’intelligenza artificiale ma hanno affidabilità diversa; l’apprendimento è utile all’una e all’altra.

La sanità in tutti i paesi del mondo non è giusta, non è equa, non è uguale.

È necessario cercare un’assistenza sanitaria diversa, che riconosca nella salute un diritto fondamentale dell’uomo; tale principio guidi la convivenza umana del mondo reale nella pace. Una sanità distribuita e intellegibile è una sanità più giusta, più equa e più uguale nel rispetto dell’intelligenza dell’uomo. Il singolo uomo inoltre non perda la proprietà e il diritto della propria salute nei limiti dei doveri verso la collettività.

L’ideazione innovativa, lo spirito ribelle, la fantasia sono doti eccellenti dell’intelligenza umana, perché non devono essere promosse e incentivate nella scienza medica?

Il progetto di intelligenze collettive e connesse per un’assistenza sanitaria su registri distribuiti a sistema binario di logica in blockchain, integrate con l’intelligenza artificiale è oggi una utopia.

L’utopia non ripropone il reale, anzi oppone a questo non l’irreale quanto il possibile e l’auspicabile; l’utopia non fugge dal suo tempo o dai contesti, propone semplicemente e realisticamente un ‘dover essere’ che si scontra con la realtà presente.

Bibliografia

[1] Eric R. Kandel, James H. Schwartz, Thomas M. Jessel, Steven A. Siegelbaum, A.J. Hudspeth. Principi di neuroscienze. IV° Edizione italiana. Casa Editrice Ambrosiana 2019: 1585-1587.

[2] Gian Piero Sancipriano. La base della conoscenza per l’intelligenza artificiale applicata in nefrologia. Giornale italiano di nefrologia anno 22. n 1, 2005: 50.

[3] Gian Piero Sancipriano. Intelligenza artificiale aggiornamento 2019 per il medico futuro. Giornale Italiano Nefrologia 2018; ISSN 1724 – 5990, 5.

[4] Eric R. Kandel, James H. Schwartz, Thomas M. Jessel, Steven A. Siegelbaum, A.J. Hudspeth. Principi di neuroscienze. IV Edizione italiana. Casa Editrice Ambrosiana 2019:1593.

Gianni Sancipriano

Le notizia proviene per gentile concessione da Blockchain 4 Innovation