Viviamo nell’era di Big Data e usiamo i dati per predire quale sarà il prossimo prodotto che un cliente acquisterà, prevedere il tempo, analizzare il traffico nelle città, o il diffondersi di una malattia tra la popolazione di una nazione.
Tuttavia non dovremmo dimenticarci che sebbene i dati siano parte fondamentale delle moderne infrastrutture tecnologiche, ciò che realmente ha valore sono le informazioni che noi siamo in grado di estrarre processando quei dati, i pattern che siamo in grado di identificare e riconoscere, e, in ultima analisi, la conoscenza che riusciamo a ricavare da essi. Quindi, potremmo dire che dai Big Data vogliamo distillare una piccola conoscenza, in cui risiede un grande valore.
Il problema di rappresentare la conoscenza in modo che un computer possa elaborarla direttamente è ben noto nel campo dell’Intelligenza Artificiale ed è stato studiato a partire dal 1970 circa.
Un approccio basato su grafi (strutture matematiche rappresentate da un insieme di nodi, o vertici, che possono essere collegati tra loro da archi) per la rappresentazione della conoscenza è stato discusso da diverso tempo, a partire dall’introduzione dei grafi concettuali [1], fino al più recente approccio denominato Linked Data [2].
Linked Data consente di pubblicare dati e conoscenza sul Web rappresentando in modo esplicito le relazioni, e permettendo ad un computer di accedervi in modo diretto e di interrogare in modo semantico questi grafi di conoscenza (Knowledge Graph) distribuiti (come rappresentato nella figura sopra).
I Knowledge Graph sono un possibile approccio per costruire grandi basi di conoscenza, ovvero collezioni strutturate di fatti relativi a uno stato del mondo che un computer può utilizzare in modo sistematico per eseguire algoritmi di ragionamento deduttivo, e per interagire in modo più naturale con un essere umano.
Queste sono alcune caratteristiche chiave di un sistema cognitivo (Cognitive Computing System). L’impatto che queste tecnologie possono avere sulla nostra vita è potenzialmente molto alto, e combinate con altre tecnologie in via di sviluppo potrebbero rendere possibili modalità di interazione uomo-macchina completamente nuove.
Tra i vari campi applicativi del Cognitive Computing uno particolarmente interessante è quello della “sanità integrata“, un trend emergente a livello mondiale, che si propone di attuare modalità più efficaci e coordinate di assistenza sanitaria, che comprendano, tra gli altri, sia aspetti sociali che medici. I servizi di assistenza sociale e i servizi medici per i cittadini costituiscono due ambiti in cui la conoscenza ha un ruolo fondamentale e dove i dati raggiungono volumi enormi (specialmente in ambito medico specialistico). Fornire una visione accurata delle vulnerabilità, dei problemi, e delle esigenze di una persona contestualizzandoli nella comunità e nell’ambiente in cui vive, rappresenta una sfida importante per la sanità integrata.
Link2Outcome [3] è un prototipo di un sistema cognitivo per aiutare medici ed assistenti sociali a prendere decisioni supportate da informazioni contestuali per migliorare lo stato di un paziente. Uno degli obiettivi più importanti di Link2Outcome è quello di facilitare l’accesso alla conoscenza e alle informazioni derivanti da fonti dati eterogenee e di utilizzare questa conoscenza per sintetizzare lo stato di una persona attraverso un insieme dinamico di indici di vulnerabilità.
Un esempio interessante di come Link2Outcome possa aiutare un dottore è dimostrato in questo video:
Il sistema può importare (ad esempio da un portale dati una città) un insieme di dati che descrivano i livelli di inquinamento e correlarli con l’area dove un certo paziente vive e con la conoscenza di come l’inquinamento possa influenzare le condizioni cliniche di quel paziente. In questo modo un dottore può esaminare come gli indici di vulnerabilità del paziente cambiano dopo che il sistema ha incorporato i nuovi dati, e quindi può analizzare meglio e capire come l’ambiente influenzi le patologie del paziente.
BlueLENS [4], un prototipo sperimentale più recente che costituisce un’estensione del lavoro di ricerca che ha portato alla realizzazione di Link2Outcome, affronta in particolare il problema di assemblare e fornire le informazioni corrette, al momento giusto e alle persone che realmente ne hanno bisogno nel vasto dominio dell’assistenza socio-sanitaria.
La salute di una persona è infatti sempre più studiata in modo poliedrico, analizzando da diverse prospettive quelli si chiamano “fattori determinanti multi-settoriali” della salute. Per supportare questo tipo di approccio alla sanità, la fusione di dati da molti fonti eterogenee è di primaria importanza, e i sistemi cognitivi come BlueLENS sono dotati di funzionalità chiave che consento di assistere i medici nell’identificare le informazioni importanti al momento giusto.
Stabilendo una modalità di interazione più naturale e intuitiva tra dottori e sistemi cognitivi, il Cognitive Computing sta aprendo una strada che potrebbe rivoluzionare la sanità e la medicina, consentendo agli esperti del settore di ottenere informazioni più dettagliate e più tempestive, aiutandoli così a prendere decisioni migliori per i pazienti.
Chi è l’autore
Marco Luca Sbodio è Research Software Engineer presso l’IBM Ireland Research Lab e fa parte del City Fabric team dello Smarter Cities Technology Centre.
Lavora su visualizzazione, gestione e fusione dati, tecniche di automazione per l’integrazione di dati semi-strutturati e loro semantica.
Si interessa di ingegneria del software, intelligenza artificiale, sistemi distribuiti, agenti intelligenti, linked data, data visualization, Web semantico e privacy.
Note
[1] John F. Sowa. 1976. Conceptual graphs for a data base interface. IBM Journal of Research and Development 20, 4 (July 1976), 336-357. DOI=[http://dx.doi.org/10.1147/rd.204.0336]
[2] Bizer, Christian; Heath, Tom; Berners-Lee, Tim (2009). “Linked Data—The Story So Far”. International Journal on Semantic Web and Information Systems 5 (3): 1–22. [doi:10.4018/jswis.2009081901]. ISSN 1552-6283.
[3] Spyros Kotoulas, Vanessa Lopez, Marco Luca Sbodio, Martin Stephenson, Pierpaolo Tommasi, and Pol Mac Aonghusa. 2014. A linked data approach to care coordination. In Proceedings of the 25th ACM conference on Hypertext and social media (HT ’14). ACM, New York, NY, USA, 77-87. DOI=[http://dx.doi.org/10.1145/2631775.2631807]
[4] [http://researcher.watson.ibm.com/researcher/view_group.php?id=6439]
[…] Dal knowledge graph al cognitive computing […]