La sepsi affligge i sistemi sanitari di tutto il mondo. Spesso associata a ricoveri e soggetti fragili, questa patologia multisistemica può presentarsi con una sintomatologia iniziale poco chiara, il che può determinare un ritardo nell’inizio delle terapie.
Il trattamento della sepsi, inoltre, è minato dalla diffusione di ceppi antibiotico-resistenti, richiedendo l’individuazione quanto piĂą precisa dell’agente patogeno da combattere per selezionare terapie altamente mirate.
Essendo una patologia tempo-dipendente, un anticipo nella diagnosi porterebbe grande giovamento al trattamento successivo. Ecco perché alcuni gruppi di studio stanno puntando sull’intelligenza artificiale per stratificare meglio la popolazione.
Un gruppo di ricerca di Singapore, per esempio, ha presentato l’algoritmo di AI SERA (Sepsis Early Risk Assessment), basato su dati strutturati – come segni vitali, esami eseguiti e trattamenti in corso – e note cliniche non strutturate per predire l’evento sepsi e diagnosticarlo agli stadi iniziali (Goh KH, Wang L, Yeow AYK, Poh H, Li K, Yeow JJL, Tan GYH. Artificial intelligence in sepsis early prediction and diagnosis using unstructured data in healthcare. Nat Commun. 2021 Jan 29;12(1):711. doi: 10.1038/s41467-021-20910-4. PMID: 33514699).
L’algoritmo è stato testato e i risultati sono stati diffusi: lo strumento è riuscito a predire l’evento sepsi con 12 ore di anticipo rispetto alla sua reale manifestazione, il tutto con una sensibilitĂ e specificitĂ dell’87%.
Confrontato con gli strumenti tradizionalmente in mano ai clinici per diagnosticare la sepsi, SERA ha mostrato di poter aumentare individuazione dei casi del 32%, riducendo nel contempo del 17% i falsi positivi. Interessante osservare che a migliorare l’accuratezza dell’algoritmo sono proprio le informazioni non strutturate, come le note rilevate all’ammissione in ospedale e quelle relative ai farmaci assunti e ai progressi del paziente, oltre a informazioni su eventuali consulti con la Terapia Intensiva.
Stefania Somaré
