Una delle complicanze più frequenti nel paziente oncologico è la neutropenia febbrile, effetto collaterale dei trattamenti chemioterapici.
Si tratta di una condizione grave che richiede il ricovero per un trattamento tempestivo ed è associata ad alta mortalità.
Uno studio dell’Università della Florida ha presentato un algoritmo di intelligenza artificiale capace di valutare in modo oggettivo il rischio di mortalità in un paziente con neutropenia febbrile, riducendo quindi la soggettività dell’operatore e offrendo a quest’ultimo un supporto (Xinsong Du, Jae Min, Chintan P. Shah, Rohit Bishnoi, William R. Hogan, Dominick J.Lemas. Predicting in-hospital mortality of patients with febrile neutropenia using machine learning models. International Journal of Medical Informatics, Volume 139, luglio 2020).
La base di dati è stata creata partendo dal National Inpatient Sample and Nationwide Inpatient Sample, un database pubblico sviluppato negli USA all’interno del Healthcare Cost and Utilization Project (HCUP), che contiene informazioni relative ai pazienti ricoverati nel Paese in termini di utilizzo ospedaliero, accesso, qualità, costi e outcome.
I ricercatori hanno preso in considerazione i dati sulla mortalità dei pazienti ai quali era stata diagnosticata neutropenia febbrile all’ammissione.
I dati sono stati quindi analizzati con tecniche di machine learning di due categorie: modelli lineari (regressione logica Ridge e vettori di supporto lineare) e non lineari (network neuronali e un albero decisionale del tipo gradient boosting).
Lo strumento sviluppato sembra essere, nel 92% dei casi, predittivo della sopravvivenza o meno dei pazienti con neutropenia febbrile.
Stefania Somaré
