Un team di ricercatori dell’Università di Yale e di altre istituzioni a livello globale ha sviluppato un innovativo piattaforma di triage dei pazienti alimentato dall’intelligenza artificiale (AI) che secondo i ricercatori è in grado di prevedere la gravità della malattia del paziente e la durata del ricovero durante un’epidemia virale.
La piattaforma, che sfrutta l’apprendimento automatico e i dati della metabolomica, ha lo scopo di migliorare la gestione dei pazienti e aiutare gli operatori sanitari ad allocare le risorse in modo più efficiente durante gravi epidemie virali che possono rapidamente sopraffare i sistemi sanitari locali. La metabolomica è lo studio di piccole molecole legate al metabolismo cellulare.
“Essere in grado di prevedere quali pazienti possono essere rimandati a casa e quelli che potrebbero aver bisogno di ricovero in unità di terapia intensiva è fondamentale per i funzionari sanitari che cercano di ottimizzare i risultati sanitari dei pazienti e utilizzare le risorse ospedaliere in modo più efficiente durante un’epidemia”, ha affermato l’autore senior Vasilis Vasiliouprofessore di epidemiologia alla Yale School of Public Health.
I ricercatori hanno sviluppato la piattaforma utilizzando COVID-19 come modello di malattia. I risultati sono stati pubblicati online sulla rivista Genomica umana il 28 agosto.
La piattaforma integra dati clinici di routine, informazioni sulla comorbidità dei pazienti e dati metabolomici del plasma non mirati per guidare le sue previsioni.
“La nostra piattaforma di triage dei pazienti basata sull’intelligenza artificiale è diversa dai tipici modelli di previsione dell’intelligenza artificiale COVID-19”, ha affermato Georgia Charkoftaki, autrice principale dello studio e ricercatrice associata presso il Dipartimento di scienze della salute ambientale presso YSPH. “Costituisce la pietra angolare per un approccio proattivo e metodico per affrontare le imminenti epidemie virali”.
Utilizzando l’apprendimento automatico, i ricercatori hanno costruito un modello della gravità del COVID-19 e della previsione del ricovero in ospedale sulla base di dati clinici e profili metabolici raccolti dai pazienti ricoverati con la malattia. “Il modello ci ha portato a identificare un pannello di biomarcatori clinici e metabolici unici che erano altamente indicativi della progressione della malattia e consentono di prevedere le esigenze di gestione del paziente molto presto dopo il ricovero”, hanno scritto i ricercatori nello studio.
Per lo studio, il gruppo di ricerca ha raccolto dati completi da 111 pazienti COVID-19 ricoverati all’ospedale Yale New Haven durante un periodo di due mesi nel 2020 e da 342 individui sani (operatori sanitari) che hanno servito come controlli. I pazienti sono stati classificati in diverse classi in base alle loro esigenze di trattamento, che vanno dal non richiedere ossigeno esterno al richiedere la pressione positiva delle vie aeree o l’intubazione.
Lo studio ha identificato una serie di metaboliti elevati nel plasma che avevano una correlazione distinta con la gravità del COVID-19. Includevano allantoina, 5-idrossi triptofano e acido glucuronico.
In particolare, è stato scoperto che i pazienti con livelli elevati di eosinofili nel sangue avevano una prognosi peggiore della malattia, esponendo un potenziale nuovo biomarcatore per la gravità del COVID-19. I ricercatori hanno anche notato che i pazienti che hanno richiesto la pressione positiva delle vie aeree o l’intubazione hanno mostrato una diminuzione dei livelli plasmatici di serotonina, una scoperta inaspettata che, secondo loro, merita ulteriori ricerche.
La piattaforma di triage dei pazienti assistita dall’intelligenza artificiale ha tre componenti essenziali:
- Albero decisionale clinico: Questo strumento di medicina di precisione incorpora biomarcatori chiave per la prognosi della malattia per fornire una previsione in tempo reale della progressione della malattia e della potenziale durata della degenza ospedaliera di un paziente. Il modello predittivo testato ha dimostrato un’elevata precisione nello studio.
- Stima del ricovero: La piattaforma ha stimato con successo la durata del ricovero del paziente entro un margine di errore di 5 giorni. La frequenza respiratoria (>18 respiri/minuto) e l’azoto ureico minimo (BUN), un sottoprodotto del metabolismo delle proteine, sono risultati entrambi fattori importanti nel prolungare l’ospedalizzazione del paziente.
- Previsione della gravità della malattia: La piattaforma ha previsto in modo affidabile la gravità della malattia e la probabilità che un paziente venga ricoverato in un’unità di terapia intensiva. Ciò aiuta gli operatori sanitari a identificare i pazienti più a rischio di sviluppare malattie potenzialmente letali e consente loro di iniziare rapidamente i trattamenti per ottimizzare i risultati, afferma lo studio.
Nell’ambito dello studio, il gruppo di ricerca ha sviluppato un software di facile utilizzo: il Software COVID Severity tramite Metabolomic and Clinical Study (CSMC). – che integra apprendimento automatico e dati clinici per fornire una gestione pre-ospedaliera dei pazienti e classificare le condizioni dei pazienti quando arrivano al pronto soccorso.
“La nostra piattaforma modello fornisce un approccio personalizzato per la gestione dei pazienti affetti da COVID-19, ma pone anche le basi per future epidemie virali”, ha affermato Vasiliou, presidente dell’YSPH Dipartimento di Scienze della Salute Ambientale e la professoressa di epidemiologia (scienze della salute ambientale) Susan Dwight Bliss. “Mentre il mondo continua a lottare contro il COVID-19 e noi rimaniamo vigili contro potenziali epidemie future, la nostra piattaforma basata sull’intelligenza artificiale rappresenta un passo promettente verso una risposta sanitaria pubblica più efficace e basata sui dati”.
I limiti dello studio includono il fatto che tutti i campioni sono stati raccolti tra marzo e maggio 2020, un periodo di tempo prima della comparsa dei vaccini COVID-19 e prima che fossero disponibili molti trattamenti per il virus SARS-CoV-2, come il remdesivir. Tali trattamenti potrebbero ridurre i cambiamenti osservati nei biomarcatori dei metaboliti. In secondo luogo, la popolazione dei controlli sani era principalmente bianca, mentre i pazienti affetti da COVID-19 comprendevano una percentuale maggiore di individui neri. Pertanto, non si può escludere la possibilità che la razza/etnia sia un fattore che contribuisce alle differenze tra i soggetti.
Fonte: Università di Yale
Da un’altra testata giornalistica. news de www.technology.org
