L’intelligenza artificiale per vincere la corsa contro il tempo quando ci si trova davanti a una ‘bestia nera’ della medicina: la sepsi, risposta estrema dell’organismo invaso da un’infezione, che a uno stadio avanzato, se non trattata, mette in grave pericolo il paziente. In questi casi in cui la diagnosi tempestiva può fare la differenza fra la vita e la morte, i camici bianchi potrebbero presto veder arrivare dei rinforzi in corsia. Non colleghi in carne e ossa, ma macchine. ‘Cervelloni’ in grado di identificare prima possibile i casi a rischio. La speranza arriva da una ricerca condotta negli Usa e presentata a Washington in occasione della Conferenza internazionale dell’American Thoracic Society. Un team di scienziati ha infatti messo a punto un algoritmo in grado di esaminare centinaia di variabili, mettendo in condizione i computer di apprendere costantemente e di predire quali sono i pazienti più a rischio di sviluppare sepsi severa o shock settico.
La parola chiave è ‘machine learning’, apprendimento automatico, che per gli esperti è uno strumento che può aiutare a identificare in anticipo una grave sepsi. Lo studio descrive quello che secondo Heather Giannini dell’ospedale dell’università della Pennsylvania rappresenta “un passo avanti nell’utilizzo della tecnologia di apprendimento automatico, che potrebbe cambiare il paradigma del primo intervento nella sepsi. Abbiamo infatti sviluppato e convalidato il primo algoritmo di ‘machine learning’ per predire la sepsi grave e lo shock settico in un grande sistema sanitario multi-ospedaliero accademico”. L’algoritmo, sottolineano gli autori, ha la capacità di identificare pazienti ospedalizzati a rischio di grave sepsi e shock settico e di usare le loro cartelle cliniche elettroniche per allertare l’équipe medica. L’apprendimento automatico è un tipo di intelligenza artificiale che rende i computer capaci di imparare modelli complessi nei dati senza essere esplicitamente programmati, a differenza dei sistemi semplici basati su regole. In studi precedenti erano già stati utilizzati dati sanitari elettronici per lanciare avvisi finalizzati a rilevare il deterioramento clinico del paziente in generale. Ora arriva l’algoritmo settato sulla sepsi.
Gli scienziati hanno addestrato un classificatore ‘random forest’ (composto da molti ‘alberi di decisione’), un approccio che serve per classificare una vasta gamma di dati e che è stato usato per ordinare le cartelle cliniche elettroniche di 162.212 pazienti dimessi tra luglio 2011 e giugno 2014 da tre ospedali per acuti del sistema sanitario dell’università della Pennsylvania. L’algoritmo è stato in grado di esaminare centinaia di variabili su base continua. I pazienti con sepsi severa o shock settico sono stati etichettati come tali 12 ore prima dell’insorgenza effettiva della grave condizione, insorgenza che è stata determinata sulla base dei risultati di laboratorio e dei dati fisiologici, come la pressione sanguigna. Un totale di 943 pazienti nel database rientravano nei criteri assegnati.
L’algoritmo è stato poi convalidato in ‘real time’ tra ottobre e dicembre 2015, applicandolo a 10.448 pazienti mentre erano in cura negli ambulatori ospedalieri, utilizzando una ‘modalità silenziosa’ di campionamento dei dati sanitari elettronici. Risultato: circa il 3% di tutti i pazienti acuti è risultato positivo e considerando i 3 ospedali ogni giorno sono scattati dieci alert. “Speravamo di identificare una sepsi grave o uno shock settico quando era abbastanza presto per intervenire e prima che il deterioramento iniziasse. L’algoritmo è stato in grado di farlo”, spiega l’autore senior Craig Umscheid, ospedale dell’università della Pennsylvania. Prossimo passo: esaminare i cambiamenti di processo e di risultato derivanti dall’utilizzo dell’algoritmo e vedere se ha un impatto nella pratica clinica.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?