Il Regno Unito presenta Nightingale AI, un modello fondazionale di intelligenza artificiale sanitaria basato sui dati del Servizio Sanitario Nazionale, guidato dal professor Aldo Faisal dell’Imperial College.
Al Francis Crick Institute di Londra, è stato lanciato Nightingale AI, il primo modello fondazionale di intelligenza artificiale interamente dedicato alla salute, sviluppato su dati reali del sistema sanitario britannico (NHS). L’iniziativa è guidata dal professor Aldo Faisal, direttore dei centri UKRI in AI for Healthcare presso l’Imperial College, e rappresenta un pilastro strategico del piano “AI Opportunities” del governo britannico.
Nightingale AI si distingue dai modelli generalisti come ChatGPT per la sua specializzazione in ambito medico. È infatti addestrato esclusivamente su cartelle cliniche elettroniche, dati biomedici e letteratura scientifica, con l’obiettivo di migliorare la diagnostica, la scoperta di farmaci e la personalizzazione delle terapie. Il progetto è supportato dal Gen AI Hub, una rete di otto istituzioni d’eccellenza nel campo dell’intelligenza artificiale.
“Grazie all’ecosistema digitalizzato del NHS – ha dichiarato Faisal – possiamo creare un modello trasformativo per la medicina, comparabile per impatto a ChatGPT nel linguaggio.” Il modello promette anche un impatto rilevante sull’efficienza amministrativa e sulla gestione delle risorse sanitarie.
Eticamente, il progetto pone al centro la protezione dei dati e l’uso responsabile dell’intelligenza artificiale, con una forte supervisione accademica e pubblica. Tuttavia, restano aperti interrogativi su privacy, bias algoritmici e accessibilità globale.
Fonti:
- Imperial College London: https://www.imperial.ac.uk
- UKRI: https://www.ukri.org
- Francis Crick Institute: https://www.crick.ac.uk
Approfondimenti:
- Il piano AI Opportunities del governo UK
- UK Gen AI Hub
Conclusioni – Pro e rischi etici:
Pro: maggiore accuratezza diagnostica, medicina personalizzata, efficienza amministrativa.
Rischi: sorveglianza sanitaria, uso improprio dei dati, disparità nell’accesso globale ai modelli sanitari avanzati.
