Intelligenza artificiale per prevedere i pazienti a rischio ricoverati in Terapia Intensiva

I pazienti ricoverati in Terapia Intensiva o Subintensiva sono quasi sempre pazienti in gravi condizioni di salute e, per questo, è ancora più importante individuare quelli a maggior rischio di sviluppare complicanze. In questa classe di pazienti, infatti, le condizioni fisiche possono peggiorare improvvisamente. Avere a disposizione degli algoritmi predittivi sarebbe di grande aiuto per i clinici. In effetti, in letteratura vengono proposti vari modelli predittivi da applicare ai pazienti in Terapia Intensiva, anche basati su Intelligenza Artificiale. Uno dei problemi è che tanti di questi modelli non sono efficaci fuori dal setting in cui sono stati sviluppati.

Uno studio brasiliano, condotto dall’Università Federale di Minas Gerais, dall’Università Statale di Feira de Santana, dal Lifecenter Hospital e dall’Innovation Center on Artificial Intelligence for Health, presenta un proprio modello predittivo basato su Intelligenza Artificiale che sfrutta informazioni di carattere amministrativo ed esiti di laboratorio già disponibili per il paziente al momento dell’ingresso nel Reparto di Cure Intensive e segni vitali raccolti nella prima ora di ricovero. In questo modo, la previsione è rapida e consente ai medici di muoversi da subito nel modo più corretto per evitare le complicanze.

Come detto, questo non è il primo algoritmo predittivo sviluppato per la Terapia Intensiva, ma oltre al problema già evidenziato, ve ne sono altri. Uno è che molti di questi spesso non specificano quale sia la logica utilizzata per giungere alla previsione di complicanza: un aspetto che gli autori dello studio preso in considerazione dicono sarebbe invece importante per consentire ai clinici di fidarsi dell’algoritmo.
C’è poi un’altra questione: una volta sviluppato, l’algoritmo continuerà a funzionare, a sfruttare la medesima logica di previsione originaria? Anche questo è un aspetto importante da verificare.

Per assicurarsi di creare un modello predittivo che sia robusto e stabile, gli autori hanno valutato come le spiegazioni fornite cambiano in base ai diversi input inseriti e a differenti sottopopolazioni di pazienti. L’algoritmo è stato sviluppato utilizzando i dati di 5474 pazienti. I risultati così ottenuti sono stati validati su una coorte esterna, composta da 1069 pazienti.

Gli autori hanno così valutato che le attenzioni poste per migliorare la robustezza dell’algoritmo hanno portato a un potere predittivo che varia dal 6.8% al 9.4%, mentre quelle scelte per aumentare la stabilità hanno ottenuto un range compreso tra il 7.2% e l’11.5%, a seconda delle complicazioni target. In ogni caso, il modello sembra predire le complicazioni con grande anticipo, facilitando come detto interventi proattivi da parte delle equipe di Terapia Intensiva.

(Lo studio: Tiago Amador, Saulo Saturnino, Adriano Veloso, Nivio Ziviani. Early identification of ICU patients at risk of complications: Regularization based on robustness and stability of explanations, Artificial Intelligence in Medicine. Volume 128, 2022. https://doi.org/10.1016/j.artmed.2022.102283)

Stefania Somaré