Machine learning: può aiutare i medici a trovare soluzioni terapeutiche più efficaci, anche per il Covid-19 

Appena pubblicato sulla rivista Internal and Emergency Medicine un commento del CoEHAR che spiega il potenziale del machine learning nell'analisi e nell'elaborazione di grandi quantità di informazioni cliniche e di laboratorio, utilizzando il Covid-19 come modello. Gli autori spiegano che l’intelligenza artificiale può aiutare medici e operatori sanitari a identificare e implementare il trattamento terapeutico più efficace in tempo reale, rivoluzionando così radicalmente la gestione del paziente. 

Appena pubblicato sulla rivista Internal and Emergency Medicine un commento del CoEHAR che spiega il potenziale del machine learning nell’analisi e nell’elaborazione di grandi quantità di informazioni cliniche e di laboratorio, utilizzando il Covid-19 come modello. Gli autori spiegano che l’intelligenza artificiale può aiutare medici e operatori sanitari a identificare e implementare il trattamento terapeutico più efficace in tempo reale, rivoluzionando così radicalmente la gestione del paziente. 

LINK:  https://link.springer.com/article/10.1007/s11739-022-03080-z 

Catania, 15 Settembre 2022 –  L’intelligenza artificiale (AI) racchiude nella stessa definizione diverse applicazioni e usi in ogni campo della ricerca, compresa la scienza medica. L’AI utilizza sistemi informatici complessi in grado di elaborare quanti più dati possibili nel più breve tempo possibile, rispecchiando l’intelligenza umana. Il machine learning (apprendimento automatico), come parte della scienza dell’AI, modella i set di dati di serie temporali, attraverso algoritmi che rendono le macchine in grado di apprendere dall’esperienza. 

Sfruttando le possibilità del machine learning, un gruppo di ricercatori spagnoli dell’Università di Castilla – La Mancha, guidato dal prof. Jorge Mateo Sotos, ha elaborato i dati clinici dei pazienti ricoverati per Covid-19 durante la prima ondata di pandemia, nel 2020. I ricercatori hanno verificato se l’applicazione di algoritmi potrebbe aiutare a riconoscere i predittori di mortalità da parametri clinici e di laboratorio nei pazienti con Covid-19.

Lo studio spagnolo, pubblicato anche su Internal and Emergency Medicine, è stato esaminato dagli esperti del CoEHAR (Centro di Eccellenza per l’accelerazione della riduzione del danno) dell’Università di Catania, in collaborazione con ricercatori dell’Università Bicocca di Milano. Nel loro commento Pietro Ferrara, Sebastiano Battiato e Riccardo Polosa forniscono un punto di vista analitico dei risultati ottenuti dai colleghi spagnoli, discutendo nuovi scenari per l’analisi in tempo reale nella pratica medica e concludendo che l’applicazione del machine learning in ambito sanitario potrebbe aumentare le possibilità di rilevare gli aspetti cruciali di patologie complesse, aiutando i medici a sviluppare linee di trattamento efficaci.

Secondo il prof. Polosa: “Nonostante le sfide poste dalla qualità dei set di dati, dall’esclusione delle variabili sociali e dall’eterogeneità dei servizi sanitari di tutti i Paesi, questa tecnologia innovativa ha il potenziale per migliorare le pratiche sanitarie e aiutare gli operatori sanitari a compiere i passi giusti verso una migliore prevenzione e cura”.

Sebbene siano emerse evidenti limitazioni allo studio, principalmente per il piccolo campione di pazienti e per le condizioni di emergenza in cui hanno operato i ricercatori, dovute soprattutto alle interruzioni nelle strutture sanitarie per il Covid-19: “Il lavoro di Mateo-Sotos può comunque fornire supporto all’implementazione dei sistemi di IA nella ricerca medica e nella pratica clinica” – così il dott. Pietro Ferrara, medico epidemiologo e primo autore dell’articolo.

Per ribadire le potenzialità dell’utilizzo dell’intelligenza artificiale nel sistema sanitario e in ambito medico, il prof. Sebastiano Battiato, Dipartimento di Matematica e Informatica dell’Università degli Studi di Catania, autore dello studio, ha concluso: “L’uso dell’intelligenza artificiale permette ogni giorno di compiere progressi inimmaginabili solo 20 anni fa in qualsiasi campo della scienza.

condividi:

Correlati

Contattaci