Blog

Il tema del controllo della propria salute attraverso strumenti di machine learning e auto-apprendimento automatico è ampiamente trattato e conosciuto. Nella maggior parte dei casi si concentra l’attenzione su patologie e sui parametri che le descrivono oggettivamente mentre più raramente si intende osservare e studiare il benessere quando ci si trova in “assenza di malattia”. Il benessere è un concetto alquanto sfuggente, definito dall'OMS come "uno stato di completo benessere fisico, mentale e sociale, e non semplicemente assenza di malattia o infermità". Come è possibile sfruttare gli algoritmi di machine learning per analizzare e migliorare il proprio benessere?

La salute occupa un posto di rilievo nel benessere generale di una persona per il semplice motivo che essere liberi dalla malattia è il prerequisito principale. In altre parole, soffrire di una malattia di qualche tipo avrà la meglio su tutto ciò che fai per il tuo benessere.

In presenza di malattie gli strumenti e le applicazioni di machine learning stanno già svolgendo un ruolo importante. Sia in campo oncologico che nell’ambito delle malattie rare o nel miglioramento della diagnosi di Alzheimer, gli usi attuali e futuri dell'apprendimento automatico nella cura di diverse patologie sono numerosi.

Nell’ambito della prevenzione il machine learning è utilizzato nella prevenzione di  episodi gravi e acuti. In questi tempi si è affermata la piattaforma AireHealth per il trattamento delle malattie polmonari croniche che, analizzando in tempo reale i dati di un nebulizzatore e l'analisi del suono polmonare dallo spirometro collegato, è in grado di raccomandare modifiche nel trattamento del paziente per prevenire episodi acuti ed evitare visite al pronto soccorso.

Parlando invece di benessere più generale dell’individuo, dobbiamo fare una distinzione tra l'umore in senso medico (depressione, ansia e altri disturbi dell'umore) e l'umore colloquiale (felice, scontroso, ecc.). Su questi "tipi" di umore vi sono alcune interessanti applicazioni di machine learning volte ad aiutare le persone in situazioni di disagio. Nel 2019 in Corea del Sud è stata sviluppata un’applicazione di machine learning per il controllo dei disturbi dell’umore. Il team coinvolto ha utilizzato l'apprendimento automatico per prevedere con successo diversi tipi di episodi in pazienti con disturbi dell'umore. Nello stesso anno in Cina un analogo progetto ha utilizzato l'apprendimento automatico per accelerare il processo diagnostico per i pazienti con disturbo bipolare. La tecnologia ha aiutato a prevenire diagnosi errate come disturbo depressivo maggiore e a trovare il trattamento giusto in maniera più celere.

Sono stati anche fatti numerosi tentativi per applicare l'apprendimento automatico per valutare e persino prevedere l'umore nel senso più colloquiale della parola. Ad esempio, un team dell'Università Politehnica di Bucarest ha costruito un Mood Detector che includeva vari sensori e un modulo di apprendimento automatico per rilevare l'umore di una persona. Hanno anche aggiunto una libreria musicale all'app, pensata per abbinare l'atmosfera con la giusta colonna sonora. Un team del MIT ha utilizzato l'apprendimento automatico per prevedere l'umore, i livelli di stress e la salute fisica dei partecipanti per il futuro, utilizzando i dati di oggi.

Al benessere contribuisco ovviamente la buona salute fisica e mentale ma a questi si aggiungono altri fattori quali il sonno, il fitness e la nutrizione. Molte startup sono concentrate nell’implementazione di sistemi di machine learning rivolte ad analizzare i dati durante lo svolgimento di queste attività allo scopo di suggerire regimi comportamentali personalizzati ed efficaci.

I fattori che contribuiscono al benessere di una persona sono molto numerosi. Nonostante ciò, il machine learning in questo campo ha fatto passi enormi e diventerà sempre più diffuso per migliorarlo sia in ambito famigliare che professionale.