Successivamente, è stata studiata la capacità del chatbot di gestire un caso complesso con diverse patologie. A raccontarci i risultati, Simona Bo, Professore Associato di Scienze tecniche dietetiche applicate, dipartimento di Scienze mediche, Università di Torino.
P.ssa Bo, da quali premesse nasce l’idea del vostro studio?
L'idea nasce dall'osservazione della crescente tendenza delle persone a cercare su internet informazioni sulla salute, in particolare, indicazioni dietetiche per perdere peso e/o per la gestione di diverse patologie. L'intelligenza artificiale, mediante algoritmi avanzati e l'analisi di enormi quantità di dati, può fornire informazioni aggiornate e anche raccomandazioni personalizzate per le esigenze individuali. Da qui, l’obiettivo della nostra ricerca, ovverosia valutare qualità e correttezza delle raccomandazioni nutrizionali fornite da ChatGpt, uno dei chatbot più utilizzati, a potenziali interessati che volessero ottenere indicazioni nutrizionali per specifici problemi di salute.
Che tipo di ricerca avete condotto?
Abbiamo condotto due diversi esperimenti. Nel primo, ChatGpt è stato interrogato per ottenere consigli dietetici per diverse malattie croniche non trasmissibili, tra cui obesità, diabete mellito di tipo 2, steatosi epatica non alcolica, ipercolesterolemia e ipertrigliceridemia, ipertensione arteriosa, sarcopenia e insufficienza renale cronica. Le risposte fornite sono state confrontate con le più aggiornate linee guida internazionali delle società scientifiche per valutarne coerenza e accuratezza. Nel secondo esperimento, sono state richieste a ChatGpt indicazioni dietetiche per un caso complesso, in cui più patologie fossero presenti contemporaneamente con l’obiettivo di valutare la duttilità dello strumento nell’integrare e personalizzare le informazioni.
Quali evidenze sono emerse dall’analisi dei dati?
ChatGpt si è dimostrato relativamente accurato nel fornire consigli nutrizionali per le diverse patologie. Le risposte erano chiare e complessivamente in linea con le raccomandazioni delle linee guida. Inoltre, venivano forniti esempi pratici relativamente agli alimenti da privilegiare o meno. Alcune risposte erano tuttavia incomplete, con raccomandazioni mancanti, soprattutto per il diabete mellito di tipo 2, l'obesità, la dislipidemia, la steatosi epatica e l’insufficienza renale cronica. Inoltre, sono emerse diverse criticità nella gestione del caso complesso, con indicazioni contraddittorie o inappropriate.
Quali i limiti dello studio?
È stata valutata solo la versione 3.5 di ChatGpt. Tuttavia, è disponibile anche una versione più recente e, soprattutto, esistono altri chatbot accessibili online. I risultati della ricerca non possono essere pertanto del tutto generalizzabili. Le risposte di ChatGpt agli stessi input possono variare nel tempo a causa della natura imprevedibile del modello e dei continui miglioramenti delle prestazioni di ChatGpt. Questo rende difficile stabilire con precisione le informazioni esatte che un paziente potrebbe ottenere, specialmente se gli utenti interagiscono attraverso un dialogo e con domande multiple.
Quali conclusioni se ne possono trarre?
L’utilizzo di ChatGpt offre una serie di vantaggi potenziali per i pazienti, tra cui l'accessibilità 24 ore su 24 da qualsiasi dispositivo, la possibilità di ottenere risposte immediate su una vasta gamma di argomenti legati alla nutrizione. Tuttavia, a oggi, non può sostituire i consigli di un professionista sanitario con competenze in ambito nutrizionale, soprattutto in presenza di quadri clinici complessi con più patologie coesistenti, situazione in cui è indispensabile rivolgersi a un professionista sanitario qualificato per ricevere indicazioni personalizzate e appropriate.
Quali scenari di aprono su questo fronte e quali i filoni di ricerca più promettenti da indagare?
L’Ia potrebbe rivelarsi un complemento prezioso alla pratica dei professionisti sanitari. Le future ricerche potrebbero quindi concentrarsi su come i chatbot possano integrare l'assistenza diretta fornita dai professionisti sanitari specializzati in nutrizione, fornendo supporto aggiuntivo alla gestione dei pazienti. Futuri filoni di ricerca potrebbero concentrarsi sul miglioramento delle capacità predittive dell'Ia, sull'integrazione di dati multi-omici per fornire consigli ancora più personalizzati e sull'ottimizzazione dell'interazione uomo-macchina per rendere l'accesso alle informazioni più intuitivo e user-friendly.
Nicola Miglino