Secondo la Global Initiative for Asthma, 300 milioni di persone nel mondo soffrono di asma, molte delle quali sono bambini e ragazzi. In Europa sarebbero 30 milioni.
L’incidenza di questa patologia è elevata e spesso veicolata da allergie. Alto è anche l’impatto sui sistemi sanitari: spesso le crisi acute portano i pazienti nei Dipartimenti d’Emergenza e in taluni casi a un ricovero.

L’ideale sarebbe che gli asmatici e i loro caregiver fossero in grado di gestire in autonomia le riacutizzazioni, riconoscendole per tempo e utilizzando i farmaci corretti.

Un gruppo di ricerca del Lerner Research Institute, del Center for Clinical Artificial Intelligence e del Taussig Cancer Institute della Cleveland Clinic (Ohio) ha sviluppato un modello di machine learning capace di predire una riacutizzazione dell’asma (Zein JG, Wu CP, Attaway AH, Zhang P, Nazha A. Novel machine learning can predict acute asthma exacerbation. Chest. 2021 Jan 10:S0012-3692(21)00031-3. doi: 10.1016/j.chest.2020.12.051. Epub ahead of print. PMID: 33440184).

Il modello è stato costruito sui dati real world di 60.302 pazienti, il 32,8% dei quali ha avuto almeno un peggioramento non grave curato a casa con cortisone orale, il 2,9% si è recato in Pronto Soccorso e l’1,5% ha avuto bisogno di ricovero.
Gli autori hanno verificato che l’algoritmo Light Gradient Boosting Machine riesce a prevedere con buona precisione questi tre eventi, utilizzando come fattori di rischio età, inalazione di alte dosi di glucocorticoidi o terapia cronica orale di glucocorticoidi e presenza di beta agonista a lunga durata d’azione.

In un sottogruppo di pazienti con dati spirometrici è stato inoltre verificato che bassi valori di FEV1 e del rapporto FEV/FVC sono il segnale di maggior rischio di esacerbazione dell’asma.
Lo strumento potrebbe quindi essere utile per gestire meglio i pazienti asmatici.


Stefania Somaré