Intelligenza artificiale: una nuova alternativa per analizzare la CKD-MBD in emodialisi

Nei pazienti in emodialisi, le deviazioni della concentrazione sierica di calcio, fosfato o ormone paratiroideo dai valori raccomandati dal KDIGO sono associate a un esito negativo. La regolazione del calcio, del fosfato e dell'ormone paratiroideo è complessa e ogni parametro non è regolato in modo indipendente. In emodialisi la modifica simultanea di questi tre parametri del paziente è il risultato di un metabolismo minerale anormale e del trattamento utilizzato per correggere queste anomalie che di solito producono cambiamenti in più di un parametro. L'obiettivo specifico di questo lavoro è un'accurata ed esaustiva analisi e descrizione delle complesse relazioni tra i parametri clinicamente rilevanti nella malattia renale cronica, il metabolismo e la malattia ossea. Per raggiungere questi obiettivi abbiamo utilizzato un approccio di machine learning Random Forest in grado di estrarre conoscenza utile da un database di grandi dimensioni. L'analisi delle complesse interazioni tra i diversi parametri necessita di un approccio matematico avanzato come Random Forest. Il secondo obiettivo di questo studio è determinare se il calcio, il fosfato e l'ormone paratiroideo, il fattore di crescita dei fibroblasti 23 e il calcitriolo sono associati a lungo termine alle caratteristiche demografiche, alla mortalità, alla comorbilità e alla terapia prescritta. Confronta le previsioni ottenute con l'analisi statistica convenzionale rispetto alla nuova analisi del modello basata sull'intelligenza artificiale. I nostri risultati preliminari suggeriscono che ci sono interazioni tra alcuni parametri abbastanza forti da mettere in dubbio se la valutazione di una data terapia possa basarsi sulla misurazione di un singolo parametro. Successivamente, analizzeremo in uno studio prospettico sui pazienti incidenti, se l'uso di questo nuovo modello può prevedere il rischio cardiovascolare e ridurre il costo della terapia.