Io ne ho viste cose che voi umani…
Introduzione
Ebbene sì, come avrete capito, siamo ufficialmente nell’era dell’Intelligenza Artificiale!
Ma non è di ChatGPT che vogliamo parlarvi oggi, bensì di “machine learning” applicato alla statistica e alla medicina…
Fin dagli anni 2000 l’incremento delle capacità di calcolo dei computer ha contribuito allo sviluppo di modelli utili ad analizzare la vastità di dati che la Ricerca Scientifica è in grado di produrre ogni anno e che andrebbero altresì ben oltre le capacità di valutazione statistiche dell’uomo e dei suoi modelli matematici.
Sebbene spesso siano stati sollevati dubbi sui meccanismi che sono alla base di tali analisi, arrivando a considerare alcuni di questi algoritmi delle vere e proprie “scatole nere” (black box) di difficile interpretazione, tali meccanismi di analisi sono tra noi e hanno tutta l’intenzione di restarci, anche nell’ambito della ricerca in campo cardiovascolare.[1]
Le premesse
L’Arresto Cardio-Circolatorio [ACC] è un evento difficile da prevedere, che si manifesta improvvisamente, solitamente determinato da una coincidenza di fattori scatenanti.
Esiste però una particolare categoria di ACC che sembrerebbe poter essere predetta con maggiore precisione, almeno secondo alcuni ricercatori.
Vediamo come!
L’articolo
In un recente articolo apparso sul numero 184 di Resuscitation (2023), alcuni autori svedesi hanno utilizzato un programma addestrato ad hoc di intelligenza artificiale per provare a identificare quali fossero le variabili associate al ripresentarsi dell’Arresto Cardio-Circolatorio [ACC] tra i pazienti (5098) già colpiti in passato da ACC e registrati nel Registro Nazionale Svedese dell’Arresto Cardiaco, tra il 1 gennaio 2010 e il 5 luglio 2022 [2], al fine di poter comprendere meglio quali variabili potessero meglio prevedere l’insorgere di tale complicanza e poterne correggere le conseguenze.
Le variabili analizzate sono state ben 886 e hanno permesso di individuare 15 fattori individuali che si sono dimostrati essere i più efficienti nel predire complicanze o addirittura il rischio di morte ad un anno di pazienti colpiti da ACC.
I risultati
Il modello ha identificato quali parametri di massima importanza per la previsione di complicanze alcuni dati facilmente prevedibili quali l’età d’insorgenza del primo ACC, la presenza di deficit neurologici conseguenti all’evento e la presenza di comorbilità (ovvero di patologie preesistenti che condizionavano la salute negativamente già prima dell’insorgenza del primo ACC, e che tipicamente aumentavano di numero e gravità col procedere dell’età), ma anche altri meno scontati. Quali?
Una volta suddivisi i pazienti per reddito, gli autori hanno potuto constatare che, sebbene i fattori maggiormente predittivi per l’insorgenza a breve termine di ulteriori ACC fossero i predetti, grande importanza acquistava anche lo status socioeconomico (Socioeconomic Status, SES) del paziente!
.
Cosa si intende per status socioeconomico?
Quando parliamo di status socioeconomico ci riferiamo ad un concetto complesso che riflette l’accesso a risorse economiche da parte del singolo (reddito personale, reddito familiare, occupazione lavorativa, scolarizzazione), ma anche alla possibilità di accesso a Servizi (es: Servizi sanitari e di prevenzione).
In passato il SES era già stato associato al rischio di sviluppare Malattie Cardiovascolari (ne avevamo parlato anche noi qui) e al rischio di incorrere in un ACC.
In passato alcuni studi hanno inoltre dimostrato una correlazione tra uno status socioeconomico elevato e una maggior sopravvivenza in caso di ACC. [3]
Conclusioni
Quando evidenziato in questo articolo suggerisce quindi che, tra le persone già colpite da ACC in passato, particolare attenzione sia da dedicare al fine di identificare quei pazienti che possiedono scarsi livelli di status socioeconomico, al fine di assicurare loro un livello di cure mirato, personalizzato e che prosegua in modo adeguato anche dopo la dimissione dall’ospedale a seguito dell’evento acuto.
Sebbene i ricercatori si siano dedicati all’analisi di una popolazione (quella Svedese) caratterizzata da una bassa incidenza di gravi squilibri economici nella popolazione, e un livello medio di capacità di spesa piuttosto alto anche nelle fasce più fragili della popolazione, tali risultati forniscono informazioni di grande utilità per quei paesi che vedono grosse disparità di capacità economica nelle varie fasce della popolazione.
Nuove direzioni
Nonostante i miglioramenti ottenuti nella gestione dell’ACC, ancora molto c’è da comprendere relativamente alle prospettive di sopravvivenza a lungo termine dei pazienti interessati da questo evento medico di grande impatto.
Con l’incremento della diffusione delle pratiche di Rianimazione Cardio-Polmonare, e conseguentemente di persone in grado di sopravvivere a tali eventi acuti, la popolazione a rischio di subire ulteriori eventi cardiaci aumenterà in proporzione.
Sebbene come tutti gli studi anche il presente manifesti inevitabilmente alcuni limiti teorici, a nostro parere si pone qui un’interessante argomentazione relativamente all’importanza dello sviluppo di sempre più mirati percorsi di cura che prevedano l’analisi accurata delle condizioni generali di un paziente (non solo relative alla salute) e pongano l’obiettivo di realizzare percorsi di cura sempre più personalizzati sui singoli pazienti, anche una volta usciti dall’ospedale e tornati alle proprie vite di tutti i giorni.
La capacità di calcolo delle correlazioni tra un numero ampio di dati ci fa comprendere come, sempre più in futuro, l’utilizzo di strumenti di “intelligenza” artificiale potranno risultare fondamentali e quindi necessariamente messi a servizio della scienza e di come da essi potremo trarne benefici diretti per la vita di tutti i giorni e il miglioramento anche delle nostre condizioni di salute!
#StayHealty
Bibliografia:
[1] J. B. Jennings, “Can machine learning predict recurrent cardiac arrest?,” Resuscitation, vol. 184, p. 109704, Mar. 2023, doi: 10.1016/j.resuscitation.2023.109704.
[2] G. Hellsén et al., “Predicting recurrent cardiac arrest in individuals surviving Out-of-Hospital cardiac arrest.,” Resuscitation, vol. 184, p. 109678, Mar. 2023, doi: 10.1016/j.resuscitation.2022.109678.
[3] S. Y. Lee et al., “A disparity in outcomes of out-of-hospital cardiac arrest by community socioeconomic status: A ten-year observational study,” Resuscitation, vol. 126, pp. 130–136, 2018, doi: 10.1016/j.resuscitation.2018.02.025.
