Uno studio apparso su Pnas svela che l’uso dell’intelligenza collettiva in ambito medico ha la capacità di salvare molte vite, riducendo gli errori diagnostici e aumentando la sicurezza dei pazienti.

«Negli Stati Uniti, circa 250.000 persone muoiono ogni anno a causa di errori medici prevenibili, molti dei quali hanno origine durante il processo diagnostico. Un buon approccio per aumentare l’accuratezza diagnostica consiste nel combinare le diagnosi di più medici. Tuttavia, non disponiamo di metodi per aggregare diagnosi indipendenti. Utilizzando metodi di ingegneria della conoscenza, abbiamo introdotto una soluzione completamente automatizzata a questo problema», afferma Ralf Kurvers, del Max Planck Institute for Human Development, e del Research Cluster of Excellence di Berlino, primo autore dello studio.
Per sfruttare l’intelligenza collettiva in ambito diagnostico, i ricercatori si sono serviti di un approccio totalmente automatizzato che sfrutta i grafici della conoscenza semantica, l’elaborazione del linguaggio naturale e l’ontologia medica per superare un grosso ostacolo, ovvero identificare la diagnosi da un testo non strutturato.
Hanno così testato questo approccio su 1.333 casi, ognuno dei quali aveva ricevuto una diagnosi indipendente da 10 medici su The Human Diagnosis Project, una piattaforma di crowdsourcing sanitario. L’accuratezza diagnostica è aumentata: i singoli medici hanno infatti ottenuto un 46% di precisione diagnostica contro il 76% scaturito dall’analisi complessiva dei dati.
«Questi risultati dimostrano che l’intelligenza collettiva può ridurre gli errori diagnostici, promuovendo i servizi sanitari e la fiducia nella comunità medica globale», concludono gli autori.