Impatto dell'intelligenza artificiale in un programma di telemonitoraggio di pazienti con BPCO con ricoveri multipli

I programmi di telemonitoraggio rappresentano un'alternativa ai tradizionali sistemi di controllo dei pazienti, specialmente nelle malattie croniche. Questo genere di strumenti è importante anche a causa dell'invecchiamento della popolazione, dell'aumento delle malattie croniche e del conseguente aumento dei costi di mantenimento dei sistemi sanitari. D'altra parte, oggigiorno questi pazienti cronici sono assistiti soprattutto a causa delle riacutizzazioni, fondamentalmente nelle emergenze e nei ricoveri, e anche nelle visite programmate di persona quando i pazienti sono stabili. Poi, una maggiore attenzione è più auspicabile dal punto di vista clinico, gestionale e dei costi.

La BPCO (broncopneumopatia cronica ostruttiva) è una malattia molto diffusa. Inoltre, ha un elevato consumo di risorse sanitarie e costi, il 50% dei quali è dovuto ai ricoveri.

Inoltre, le riacutizzazioni della BPCO, e specialmente quelle gravi, hanno conseguenze importanti per i pazienti (diminuzione della funzionalità polmonare, peggioramento della qualità della vita e aumento della mortalità).

Per questo motivo, il telemonitoraggio sembra essere una soluzione per migliorare il controllo di questi pazienti e migliorare il consumo di risorse. Nell'ospedale di Galdakao in Spagna è stato avviato un programma di telemonitoraggio dei pazienti con BPCO ricoverati. Il suo obiettivo primario era quello di ridurre i ricoveri per riacutizzazioni di BPCO e poteva dimostrare una significativa diminuzione dell'utilizzo delle risorse sanitarie (ricoveri, visita al pronto soccorso, ricoveri e giorni medi di degenza). Ha anche dimostrato un minore peggioramento dei sintomi clinici e della qualità della vita nei pazienti più gravi.

Tuttavia, ci sono tre fattori che sono molto importanti nelle malattie croniche: l'aumento degli anziani, l'aumento delle persone con malattie croniche e la rapida evoluzione della tecnologia, in particolare i sistemi di memorizzazione e di elaborazione delle informazioni.

Machine Learning (ML) è la parte più importante dell'Intelligenza Artificiale e il suo obiettivo è l'apprendimento di un computer. Il computer scrive i propri programmi per risolvere problemi che non sappiamo come risolvere. Quando i lavori sono difficili, come fare previsioni in scenari medici, gli algoritmi ML necessitano di un'elevata quantità di date per ottenere l'apprendimento. La maggior parte dei database medici presenta inconvenienti che derivano dall'intervento umano, come dati mancanti, valori errati, ecc. Per questo motivo, i programmi basati sulla telemedicina sembrano essere una piattaforma ideale per gli algoritmi ML. Questo perché i sistemi di telemedicina normalmente producono un flusso periodico di dati raccolti per via telematica e vengono salvati direttamente in un data base. Questo flusso costante di dati e la scarsa partecipazione delle persone al loro ricordo e archiviazione, conferiscono un'elevata qualità ai database, che gli algoritmi ML possono utilizzare per fare le migliori previsioni.

Per questo motivo, TelEPOC (il programma di telemonitoraggio in una coorte di BPCO, presso l'ospedale Galdakao) si dimostra l'opzione migliore per utilizzare nei suoi dati gli algoritmi ML, per la qualità e la quantità dei dati generati, e anche per l'utilità di tali previsioni nella pratica clinica.

In questa situazione, la domanda è se gli investigatori potrebbero anticipare una riacutizzazione o quanto potrebbero anticipare una manifestazione di una riacutizzazione. Per testare questa ipotesi, viene qui presentato un progetto che utilizza l'Intelligenza Artificiale (ML).

Gli investigatori hanno precedentemente effettuato un test di questo sistema, che ha dato risultati promettenti. Quel prototipo è stato addestrato con dati retrospettivi che il programma TelEPOC aveva raccolto in precedenza ed era basato su un algoritmo ML chiamato Random Forests. Con questa sonda hanno ottenuto una curva ROC (curva caratteristica operativa del ricevitore) di 0,8 in previsione di subire una riacutizzazione nei tre giorni successivi. Attualmente nell'ospedale di Galdakao è in fase di sviluppo un sistema ML nell'ambito del programma TelEPOC. Il suo obiettivo è anticipare un allarme (esacerbazione).

A questo scopo i ricercatori prendono in considerazione molte domande aggiuntive che possono essere indagate, come ad esempio: come può influenzare l'arrivo di questa tecnologia nella pratica clinica del diario? In questo progetto l'uso del ML può cambiare il modo di focalizzare l'assistenza clinica. Esistono strumenti che possono prevedere l'evoluzione dei pazienti. Un'altra domanda è che se i ricercatori prevedono una riacutizzazione, potrebbero cambiare le basi patogene (mediatori dell'infiammazione) che circondano una riacutizzazione della BPCO.

I ricercatori considerano questa iniziativa pioniera in questo campo della BPCO e delle malattie croniche.