(foto: StockSnap via Pixabay)

Un nuovo algoritmo di intelligenza artificiale basato su sistemi di machine learning aiuta a prevedere quali pazienti con Covid-19 potranno avere bisogno di un supporto nella respirazione e di essere ricoverato in terapia intensiva. A realizzarlo un gruppo dell’università della California a Irvine (Uci). Lo strumento, semplice da utilizzare dato che si basa su un test in cui inserire delle risposte, è gratuito e disponibile online (qui) per le strutture sanitarie che intendano approfondire l’argomento. Il test fornisce una previsione sul peggioramento del singolo paziente nel giro di 72 ore. I risultati sono pubblicati sulla rivista Plos One.

Terapia intensiva: a cosa serve l’algoritmo

I risultati sono accurati ma ancora iniziali e richiedono un ulteriore approfondimento. L’obiettivo è che questo strumento possa essere utilizzato da ospedali e organizzazioni sanitarie – e non dal singolo medico o professionista – per valutare il carico sui reparti di terapia intensiva, fare un’ipotesi tempestiva sul numero di posti letto che potrebbero servire e dirottare altrove eventuali pazienti che non possano essere curati. Dunque non è un test di auto-valutazione del singolo individuo positivo al coronavirus sulla propria salute o del medico per fare la diagnosi in quanto si tratta soltanto di una stima indicativa, potenzialmente importante a livello dell’intera struttura. I primi risultati sono buoni e dovranno essere approfonditi da altre prove per essere ulteriormente validati.

Lo studio

I ricercatori hanno iniziato a raccogliere i dati dei pazienti all’inizio del 2020, sviluppando un prototipo dell’algoritmo già nel marzo e iniziando a testarlo subito dopo. L’algoritmo chiede di inserire alcune informazioni sulla salute e sulle condizioni del paziente, come sesso, età, indice di massa corporea, patologie pregresse, parametri fisiologici, come alterazioni nella respirazione (che indicano la presenza e la gravità della dispnea), e parametri misurati con le analisi del sangue, come il livello dell’infiammazione, elementi per la diagnosi e la prognosi della sepsi altri elementi biochimici.

Il modello di machine learning è stato testato utilizzando i dati dei pazienti che hanno avuto una diagnosi di Covid-19 nel marzo e aprile 2020 – in totale su più di 3mila persone si parla di circa 300, di cui le informazioni e la storia clinica completa era disponibile in 89 casi. I dati sono stati poi combinati con quelli di un’indagine separata su 40 pazienti alla Emory University. L’idea è che l’algoritmo combini le informazioni demografiche con quelle su patologie precedenti, come ipertensione, asma, obesità e gli altri parametri citati per segnalare i casi a rischio di dover ricevere ventilazione meccanica ed essere ricoverati in terapia intensiva entro 72 ore.

Accurato al 95%

L’obiettivo è che lo studio venga esteso a un maggior numero di pazienti in modo da validare ulteriormente questo modello, che in questo primo studio ha dimostrato di funzionare bene. E la previsione risulta precisa nel 95% dei casi. “Abbiamo presentato un modello – si legge nello studio – che è riuscito a predire accuratamente il rischio di forme critiche di Covid-19 utilizzando le comorbidità e sulla base dei segni vitali e valori di laboratorio”. Ad oggi l’algoritmo è funzionante: gli operatori sanitari inseriscono le informazioni richieste e ottengono una previsione sull’eventuale peggioramento entro tre giorni.

Presso la Uci Health lo strumento è già stato impiegato con successo, aiutando i medici a gestire e distribuire i pazienti. “Devi parlare con gli specialisti, con i medici”, sottolinea Peter Chang, professore di scienze radiologiche che ha messo a punto l’algoritmo insieme al team, “devi valutare quanti letti sono disponibili e lavorare con il tuo gruppo per valutare come vorresti utilizzarlo”. I prossimi passi riguarderanno il coinvolgimento di altre istituzioni e andare avanti con la sperimentazione.

The post Covid-19, un algoritmo gratuito prevede se il paziente peggiorerà appeared first on Wired.



Leggi l’articolo su wired.it