Radiologia, matematica, intelligenza artificiale e comprensione umana

Il mondo della radiologia, come quello della matematica, valorizza la comprensione umana, non solo la risposta finale, soprattutto quando si tratta di intelligenza artificiale. Recentemente, un saggio del matematico Steven Strogatz ha descritto il fermento nel mondo della matematica a causa dei progressi dell'IA, citando il professor Curtis McMullen: "La matematica non è radiologia. È più simile all'arte o alla filosofia, e in effetti, la comprensione umana è ciò di cui si tratta."

Un radiologo con oltre trent'anni di esperienza, e con una laurea in matematica, ha risposto a questa affermazione, sottolineando come anche in radiologia la comprensione profonda delle malattie e dell'anatomia sia cruciale per interpretare le immagini mediche. Pur riconoscendo l'utilità degli strumenti AI che facilitano le diagnosi, anche se non si comprende appieno il loro funzionamento, la comunità radiologica non accetta una visione dell'IA come una "scatola nera" incomprensibile.

Esiste infatti una ricerca attiva nel campo dell'Intelligenza Artificiale Spiegabile (XAI), che mira a far sì che i sistemi AI possano "spiegare" il proprio ragionamento ai medici umani. Questo approccio è preferibile a un'IA che si limita a fornire diagnosi senza alcuna spiegazione, un po' come un giocattolo "Magic 8 Ball". L'obiettivo è migliorare la comprensione umana dei meccanismi causali che collegano i risultati dell'IA ai processi biologici sottostanti.