I dati sulle richieste di risarcimento dell’assicurazione sanitaria possono aiutare a prevedere la probabilità di autismo nei bambini

I dati sulle richieste di risarcimento dell’assicurazione sanitaria possono aiutare a prevedere la probabilità di autismo nei bambini

Le richieste di indennizzo all’assicurazione sanitaria potrebbero fare molto di più che contribuire semplicemente a pagare i problemi di salute; Potrebbero aiutare a prevederli, secondo le nuove scoperte di un gruppo di ricerca interdisciplinare della Penn State pubblicate su BMJ Health & Care Informatics. I ricercatori hanno sviluppato modelli di apprendimento automatico che valutano le relazioni tra centinaia di variabili cliniche, tra cui visite mediche e servizi sanitari per condizioni apparentemente non correlate, per prevedere la probabilità del disturbo dello spettro autistico nei bambini piccoli.

I dati relativi alle richieste di indennizzo assicurativo, resi anonimi e ampiamente disponibili nei set di dati di scansione di marketing, forniscono dettagli medici completi e longitudinali sul paziente. La letteratura scientifica in questo settore suggerisce che i bambini con disturbo dello spettro autistico spesso presentano anche tassi più elevati di sintomi clinici come: B. vari tipi di infezioni, problemi gastrointestinali, convulsioni e problemi comportamentali. Questi sintomi non sono una causa di autismo, ma sono comuni nei bambini con autismo, soprattutto in giovane età. Ecco perché siamo stati ispirati a riassumere le informazioni mediche per quantificare e prevedere questa probabilità associata”.

Qiushi Chen, autore corrispondente, assistente professore di ingegneria industriale e manifatturiera, Penn State College of Engineering

I ricercatori hanno inserito i dati in modelli di apprendimento automatico e li hanno addestrati a valutare centinaia di variabili per trovare correlazioni associate a una maggiore probabilità di disturbo dello spettro autistico.

“Il disturbo dello spettro autistico è un disturbo dello sviluppo”, ha affermato il coautore Guodong Liu, professore associato di scienze della salute pubblica, di psichiatria e salute comportamentale e di pediatria presso il Penn State College of Medicine. "Un medico ha bisogno di osservazioni ed esami multipli per fare una diagnosi. Il processo è solitamente lungo e molti bambini perdono la finestra per un intervento precoce, il modo più efficace per migliorare i risultati."

Uno degli strumenti di screening più comunemente utilizzati per identificare i bambini piccoli con una maggiore probabilità di disturbo dello spettro autistico è la lista di controllo modificata per l’autismo nei bambini piccoli (M-CHAT), che viene generalmente fornita durante le visite di routine ai bambini di 18 e 24 mesi di età. Si compone di 20 domande incentrate sui comportamenti legati al contatto visivo, alle interazioni sociali e ad alcuni traguardi fisici come camminare. I tutori rispondono in base alle loro osservazioni, ma Chen afferma che lo sviluppo varia così tanto a questa età che lo strumento potrebbe identificare erroneamente i bambini. Di conseguenza, i bambini spesso non ricevono una diagnosi formale fino all’età di quattro o cinque anni, il che significa che per anni perdono potenziali interventi precoci.

“Il nostro nuovo modello, che quantifica la somma dei fattori di rischio identificati per determinare il livello di probabilità, è già paragonabile, e in alcuni casi anche leggermente migliore, allo strumento di screening esistente”, ha affermato Chen. “Se combiniamo il modello con lo strumento di screening, abbiamo un approccio promettente per i medici”.

Secondo Liu sarebbe praticamente fattibile integrare il modello nello strumento di screening per uso clinico.

"Un punto di forza unico di questo lavoro è che questo approccio informatico clinico può essere facilmente integrato nel flusso di lavoro clinico", ha affermato Liu. “Il modello predittivo potrebbe essere incorporato nel sistema di cartelle cliniche elettroniche di un ospedale, utilizzato per registrare la salute dei pazienti, come strumento di supporto alle decisioni cliniche per segnalare i bambini ad alto rischio, consentendo sia ai medici che alle famiglie di agire prima”.

Questo lavoro, finanziato dal National Institutes of Health, dal Penn State Social Science Research Institute e dal Penn State College of Engineering, costituisce la base per una nuova sovvenzione di 460.000 dollari a Chen e Whitney Guthrie, psicologa clinica presso il Children's Hospital di Philadelphia Center for Autism Research e assistente professore di psichiatria e pediatria presso la Perelman School of Medicine dell'Università della Pennsylvania presso il National Institute of Mental Health.

Stanno utilizzando la nuova sovvenzione per analizzare esattamente quanto bene i dati ospedalieri combinati e i risultati dello screening predicono le diagnosi di autismo e stanno anche esplorando altri potenziali strumenti di screening che potrebbero meglio equipaggiare i medici per aiutare i loro pazienti.

"Non solo molti bambini nello spettro autistico non vengono rilevati con lo strumento attuale, ma molti bambini identificati dai nostri strumenti di screening hanno anche lunghe liste di attesa a causa della nostra limitata capacità diagnostica", ha affermato Guthrie. "Sebbene M-CHAT rilevi molti bambini, ha anche un tasso molto alto di falsi positivi e falsi negativi, il che significa che molti bambini autistici vengono persi e altri bambini vengono indirizzati per una valutazione sull'autismo quando non ne hanno bisogno. Entrambi." I problemi portano a lunghe attese – spesso molti mesi o addirittura anni – per ulteriori valutazioni. Le conseguenze per i bambini che non vengono affrontate dai nostri attuali strumenti di screening sono particolarmente importanti, poiché una diagnosi ritardata spesso fa sì che i bambini perdano completamente la finestra per un intervento precoce. I pediatri hanno bisogno di strumenti di screening migliori per identificare accuratamente tutti i bambini che necessitano di una valutazione dell’autismo il prima possibile”.

Parte del problema è il numero limitato di psicologi, pediatri dello sviluppo e altri esperti di sviluppo pediatrico che possono fare una diagnosi di disturbo dello spettro autistico. Secondo Chen la soluzione potrebbe risiedere nell’ingegneria industriale.

“L’idea chiave è migliorare il modo in cui utilizziamo le risorse”, ha affermato Chen. “Con l’esperienza clinica del Dr. Guthrie e le capacità di modellazione del mio gruppo, vogliamo sviluppare uno strumento che i medici di base senza formazione specializzata possano utilizzare per effettuare valutazioni sicure per diagnosticare i bambini il più presto possibile in modo che possano ricevere le cure di cui hanno bisogno il più rapidamente possibile”. possibile."

Altri autori che contribuiscono includono il primo autore Yu-Hsin Chen, uno studente di dottorato in ingegneria industriale e manifatturiera che scriverà anche la sua tesi sulla borsa di studio; e il coautore Lan Kong, professore di scienze della salute pubblica al Penn State College of Medicine.

Fonte:

Pen State

Riferimento:

Chen, YH., et al. (2022) Individuazione precoce del disturbo dello spettro autistico nei bambini piccoli attraverso l’apprendimento automatico utilizzando dati relativi alle richieste mediche. BMJ Informatica sanitaria e assistenziale. doi.org/10.1136/bmjhci-2022-100544.

.