I ricercatori sviluppano un metodo basato sull’intelligenza artificiale per diagnosticare più rapidamente le infezioni polmonari

I ricercatori sviluppano un metodo basato sull’intelligenza artificiale per diagnosticare più rapidamente le infezioni polmonari

Le infezioni polmonari come la polmonite sono tra le principali cause di morte in tutto il mondo, ma sono notoriamente difficili da diagnosticare.

Ora i ricercatori dell’UC di San Francisco hanno trovato un modo per identificare queste infezioni in pazienti critici combinando l’analisi generativa dell’intelligenza artificiale delle cartelle cliniche con un biomarcatore per le infezioni del tratto respiratorio inferiore.

In uno studio osservazionale condotto su adulti in condizioni critiche, la combinazione ha formulato una diagnosi corretta nel 96% dei casi e ha differenziato tra cause infettive e non infettive di insufficienza respiratoria in modo più accurato rispetto ai medici di terapia intensiva. Gli autori hanno stimato che questo modello, se disponibile al momento dell’arruolamento dei pazienti, avrebbe potuto ridurre l’uso inappropriato di antibiotici di oltre l’80%.

"Abbiamo sviluppato un metodo che produce risultati molto più rapidamente della coltura e potrebbe essere facilmente implementato in clinica", ha affermato il dottor Chaz Langelier, professore associato di medicina e autore senior dello studio pubblicato il 16 dicembre.Comunicazione della natura.

Siamo fiduciosi che ciò potrebbe portare a una diagnosi più rapida e a ridurre l’uso non necessario di antibiotici”.

Chaz Langelier, Professore Associato di Medicina, Università della California – San Francisco

Una caratteristica importante del modello è il biomarcatore che il team di Langelier ha sviluppato nel 2023. Hanno scoperto che si tratta di un gene che modula l'infiammazione, chiamatoFABP4potrebbe aiutare a diagnosticare l’infezione poiché è meno espressa nelle cellule immunitarie rispetto alle normali cellule polmonari.

Lo studio attuale ha esaminato i dati di due gruppi di pazienti critici: 98 sono stati reclutati prima della pandemia di COVID-19 e la maggior parte aveva infezioni batteriche; 59 sono stati reclutati durante la pandemia e la maggior parte aveva infezioni virali, incluso COVID-19.

Per prima cosa hanno testato ciascun metodo individualmente –FABP4Biomarcatori o IA – e hanno scoperto che ciascuno di essi ha formulato la diagnosi corretta circa l’80% delle volte. I ricercatori hanno poi confrontato i risultati del modello con le diagnosi dei medici che hanno ricoverato i pazienti nel reparto di terapia intensiva dell'ospedale.

Questi medici prescrivevano antibiotici per curare la polmonite alla maggior parte di questi pazienti, mentre il modello biomarcatore più AI era molto più ragionevole nella diagnosi della polmonite.

Per testare ulteriormente l’accuratezza del modello, il team ha confrontato il modo in cui l’intelligenza artificiale ha analizzato le cartelle cliniche con il modo in cui le hanno analizzate tre diversi medici specializzati in medicina interna e malattie infettive. L'intelligenza artificiale è stata eseguita da GPT4 su una piattaforma privacy sviluppata presso UCSF.

Entrambi hanno ricevuto più o meno lo stesso numero di diagnosi corrette, ma l’IA ha posto maggiore enfasi sui referti radiologici sulle radiografie del torace mentre i medici si sono concentrati sulle note cliniche.

"Mostrava quasi una differenza culturale se si può dire questo di un'intelligenza artificiale", ha affermato Natasha Spottiswoode, MD, DPhil, assistente professore di medicina, uno dei primi autori dell'articolo. “Mostra come l’intelligenza artificiale può integrare il lavoro dei medici”.

Il team ha pubblicato i propri suggerimenti sull’intelligenza artificiale nel documento e ha incoraggiato i medici a provarli sulle proprie piattaforme di intelligenza artificiale conformi all’HIPAA.

"È incredibilmente facile da usare, non è necessario essere un bioinformatico", ha affermato Hoang Van Phan, PhD, lui stesso bioinformatico e primo autore dell'articolo.

Il team sta convalidando il modello come test clinico. Successivamente si passa alla sepsi, la principale causa di morte in ospedale, anch’essa notoriamente difficile da determinare.

Fonti: