Big data e IA, grandi alleati per la salute dei pazienti

Big data e Intelligenza artificiale sono «alleati» anche per la salute dei pazienti, permettendo di personalizzare le cure e ottimizzando il follow-up. Una ulteriore conferma giunge da una ricerca frutto della sinergia tra il «Papa Giovanni» e la From (la Fondazione per la ricerca dell’ospedale di Bergamo) con focus sullo scompenso cardiaco, una delle patologie più impattanti sulla qualità della vita.

Il registro «Opportunities»

Il punto di partenza è il registro «Opportunities» promosso dalla From a partire dal 2017, che raccoglie in modo sistematico i dati di oltre 2.400 pazienti con diagnosi accertata di scompenso cardiaco e seguiti a livello ambulatoriale dai medici della Cardiologia del «Papa Giovanni». Un prezioso database che racchiude le informazioni sulla valutazione e sulla gestione clinica, sia nella fase acuta sia in quella cronica. Da qui è nato un nuovo studio, coordinato da Mauro Gori, responsabile dell’Unità di Terapia intensiva coronarica, e condotto dai cardiologi dell’ospedale di Bergamo con Marco Spagnolin e Luca Fazzini come principal investigators (la Cardiologia è diretta da Michele Senni), mentre la From ha contribuito tramite la biostatistica Cinzia Giaccherini, la data manager Erika Chiesa e il coordinamento di Antonello Gavazzi (responsabile della ricerca in Area Cardiovascolare). I risultati dello studio sono stati accettati per la pubblicazione sull’«European Journal of Heart Failure», la rivista scientifica ufficiale dell’European Heart Failure Association.

L’analisi

Attraverso tecniche avanzate di Intelligenza artificiale, sono state analizzate le condizioni di 471 pazienti ricoverati per scompenso cardiaco acuto HFpEF, rendendo possibile l’individuazione di tre distinti fenotipi clinici, ciascuno associato a un rischio progressivamente crescente di ospedalizzazione nei 12 mesi successivi alla dimissione. Lo scompenso cardiaco con frazione di eiezione preservata (HFpEF) rappresenta circa la metà dei casi di scompenso cardiaco ed è una condizione clinica complessa, spesso caratterizzata da profili molto diversi tra loro.

«Ogni situazione è differente»

«Lo studio – approfondisce Mauro Gori – nasceva dalla volontà di stratificare il rischio dei pazienti che vengono ricoverati, perché ogni situazione è differente. Occorre partire da una considerazione: di fronte alla complessità del follow-up, è molto importante capire chi abbia un maggior rischio di nuovi eventi e quindi deve essere seguito in maniera più stretta e assidua, e chi invece abbia condizioni più stabili e possa essere rivisto con tempistiche più lasse». Concretamente, la tecnologia ha consentito di velocizzare e automatizzare questa «scrematura»: «I pazienti sono stati suddivisi sulla base delle caratteristiche cliniche e laboratoristiche, avendo a disposizione tutti gli esami del sangue, l’Ecg, i dati anamnestici e la comorbilità – prosegue Gori -: così facendo, abbiamo notato che ci sono assistiti che a un follow-up di un anno avevano un’alta probabilità di poter essere nuovamente ricoverati, ma al tempo stesso c’era un sottogruppo con tasso di eventi molto bassi, con una funzione renale più preservata. Mediamente, si tratta di pazienti anziani e spesso in gestione dal medico di medicina generale perché hanno un’insufficienza renale e spesso la bronchite».

La metodologia applicata per questa ricerca può essere replicata anche in altri campi. Fondamentale è la presenza di un’ampia mole di dati puntuali e la capacità di rielaborazione, potenziata anche dalle opportunità dell’Intelligenza artificiale. «Questa ricerca – conferma Gori – pone delle basi per rifinire ulteriormente la stratificazione del rischio, bisogna lavorare sempre di più in quest’ottica. Ad esempio, vorremmo compiere altre analisi per cercare di identificare in maniera ancora più chiara i pazienti che, arrivando in ospedale con determinate caratteristiche, potrebbero non essere ricoverati: si tratta di una valutazione che potrebbe essere utile nella gestione dei flussi in pronto soccorso».