L'Intelligenza Artificiale per la fibrosi cistica

Nuove prospettive di cura per la patologia respiratoria

L'intelligenza artificiale (IA) è diventata un campo di interesse popolare sia all'interno che al di fuori della comunità scientifica; un gran numero di articoli pubblicati su riviste tecnologiche e non tecnologiche ha coperto argomenti legati all'IA, al machine learning (ML) e al deep learning (DL).
Le tecniche di ML possono facilitare i flussi di lavoro clinici effettuando previsioni personalizzate a livello individuale sulla prognosi di un paziente, adattate alle sue caratteristiche specifiche, ai tratti e alla storia medica. Negli ultimi anni, si è osservato un alto utilizzo del ML: la gestione delle malattie croniche inizia ad adottare questi approcci, pertanto è necessario sottolineare gli aspetti fondamentali da conoscere riguardo al ML.
Questa tecnologia ha dimostrato una grande capacità di estrarre informazioni utili da grandi campioni di dati in vari ambiti applicativi. I modelli di ML possono affrontare l'eterogeneità dei pazienti apprendendo i complessi schemi sottostanti che governano come le caratteristiche e i tratti individuali dei pazienti si correlano a diverse prognosi. I modelli basati su ML possono guidare decisioni personalizzate attraverso previsioni a livello individuale su: 1) se il paziente è probabile che abbia un peggioramento, 2) se un nuovo trattamento specifico è probabile che sia efficace per quel paziente, 3) qual è la sequenza più probabile di eventi clinici che il paziente potrebbe sperimentare, e 4) qual è la probabilità relativa dei loro diversi rischi concorrenti. Inoltre, i modelli basati su ML addestrati su dati generati dai pazienti registrati su dispositivi digitali, nel contesto di macro-intelligenza estratta dai registri, possono informare se è necessario un intervento clinico proattivo e persino se è necessaria una visita in clinica. Questo modello di assistenza potrebbe contribuire a informare l'economia sanitaria delle terapie modificanti la malattia ad alto costo che mirano a genotipi specifici nella popolazione di persone con fibrosi cistica (CF). Potrebbe anche aiutare il sistema sanitario della CF man mano che la popolazione di pazienti cresce grazie a una migliore sopravvivenza. Un paziente con CF si trova di fronte a una varietà di rischi per la salute, come infezioni o deterioramento della funzione polmonare. Attualmente, la valutazione del rischio per i pazienti con CF, e più in generale nel campo medico, non integra completamente la ricchezza di informazioni disponibili sul paziente. Solitamente viene effettuata sulla base di un modello lineare, come un modello di rischi proporzionali di Cox, e utilizzando un numero relativamente limitato di caratteristiche scelte spesso per giudizio clinico. I metodi di ML ci consentirebbero di portare avanti questo lavoro apprendendo informazioni specifiche del paziente che potrebbero influenzare la decisione terapeutica. Metodi recenti sono stati proposti per estrarre fattori di rischio specifici del paziente da modelli di ML utilizzando approcci di regressione simbolica.
Ci sono molti studi che sottolineano la necessità di utilizzare il ML nelle patologie polmonari; la CF rappresenta una delle patologie respiratorie più importanti, ma è anche caratterizzata da una certa comorbilità. Infatti, il diabete è la complicanza più comune della CF, colpendo almeno la metà della popolazione adulta. L'identificazione precoce e il trattamento sono cruciali, poiché i sintomi di solito non vengono immediatamente riconosciuti. Il metodo ML è stato anche utilizzato in questo campo per ottimizzare la diagnosi di CFRD (Disturbi correlati alla fibrosi cistica). Secondo gli scienziati, l'approccio ML rappresenta uno strumento utile e accessibile anche a non esperti di machine learning (medici e altri professionisti della salute). Algoritmi di ML sono stati applicati per sviluppare modelli di classificazione al fine di suggerire un'azione antibiofilm possibile per ciascun componente chimico studiato degli oli essenziali (EO). In questo studio, abbiamo valutato la modulazione della crescita del biofilm esercitata da 61 EO commerciali su un numero selezionato di ceppi di P. aeruginosa isolati da pazienti con CF. Inoltre, il ML è stato utilizzato per sottolineare i componenti chimici degli EO responsabili della modulazione positiva o negativa della formazione di biofilm batterico.

ML NELLA GESTIONE DELLA RIABILITAZIONE NELLA FIBROSI CISTICA

Il ML nella pratica della fisioterapia sta diventando una nuova forma di raccolta dati sui pazienti e rappresenta sempre più un supporto decisionale clinico. Il ML potrebbe svolgere un ruolo importante anche come componente dello sviluppo professionale. Per i fisioterapisti, questa tecnologia sarà una risorsa eccellente, con la quale tutti i professionisti della salute potrebbero migliorare le loro conoscenze ed esperienze per cambiare il loro approccio alla riabilitazione. Ci sono, ad esempio, nuove strategie per valutare l'attività fisica nella CF. Un'altra frontiera è la terapia respiratoria virtuale erogata attraverso un'applicazione per smartphone che consente di rendere più divertente la riabilitazione respiratoria. Nuove piattaforme per la riabilitazione remota sono state testate da alcuni autori, ad esempio Tomlinson et al. hanno proposto Zoom come nuovo strumento per la tele-riabilitazione dei pazienti con CF. Nella letteratura abbiamo trovato l'uso di Home-Based Exercise per pazienti adulti con CF per trasformare l'attività fisica standard in qualcosa di totalmente rivoluzionato, dove i pazienti grazie agli esercizi domiciliari potrebbero migliorare la loro forma fisica e la funzione respiratoria.

In questo campo, il ML sarà una sorta di ponte tra tecnologie e terapisti. L'obiettivo di questo approccio è creare uno strumento nuovo per tutti i professionisti della salute chiamati a cambiare completamente il loro modo di lavorare.
Il ML è un modo per costruire una nuova dimensione della medicina e anche della riabilitazione. Nuove strategie tecnologiche, compreso il ML e il DL, sono le risposte possibili alla medicina personalizzata e alla riabilitazione.
Nonostante la standardizzazione dei protocolli e molte linee guida per gli approcci terapeutici, sta diventando evidente che tutte le aree della medicina devono avere uno sviluppo singolare e, attraverso i big data, sarà possibile gestire molte informazioni su un gran numero di pazienti; questo rappresenta una nuova frontiera per tutti i clinici. Siamo al punto di cambiamento, dove strumenti come il ML, i big data, il deep learning sono il presente, ma soprattutto saranno il futuro anche per la riabilitazione.
Tutti i terapisti e i medici devono comprendere il cambiamento completo nel modo di fornire la riabilitazione, ad esempio per i pazienti con aspetti respiratori e cardiologici, per l'approccio neurologico, per stabilire un percorso modificato costruendo una nuova idea di medicina.
L'intelligenza computazionale (CI) è diventata una vera necessità negli ultimi anni, un elemento essenziale per costruire una sorta di nuovo mondo che deve essere seguito da figure formate all'uso di questi strumenti "nuovi" anche nella loro pratica clinica. Utilizzando queste strategie, pensiamo che tutti i processi attorno ai pazienti subiranno un cambiamento profondo, dove la pratica clinica è supportata dalla CI. Tuttavia, è necessario che i professionisti sanitari imparino a utilizzare, in modo migliore, molti strumenti forniti dalle tecnologie dell'informazione e delle comunicazioni per creare una moderna possibilità di raggiungere un sistema di cura multimodale.
Il trattamento della CF nell'era del ML si trasformerà anche grazie a queste tecnologie che rappresentano una parte importante del percorso di cura. Assisteremo a una completa rivoluzione dell'approccio nel campo delle malattie croniche. Speriamo che tutti gli aspetti dell'intelligenza artificiale diventino parte integrante dell'assistenza sanitaria e che tutti i clinici e i professionisti della salute possano modificare il loro approccio per essere vicini alle trasformazioni della cultura sanitaria che stiamo vivendo. Ulteriori studi sono necessari per sottolineare il ruolo del ML in una nuova era di medicina personalizzata, in cui il paziente sarà al centro di un approccio globale e multidisciplinare per sviluppare un modello reale con aspetti matematici e biologici collegati tra loro.