Gli scienziati dell’Ospedale Universitario di Heidelberg sviluppano l'”Assistente Medico Cognitivo” / L’algoritmo mira a riconoscere in anticipo il rischio chirurgico individuale del paziente, a facilitare le decisioni terapeutiche e a prevenire le complicazioni.
Per poter valutare e prendere in considerazione il rischio individuale di complicanze di un paziente nel modo più accurato possibile, anche prima dell’operazione, gli scienziati dell’Ospedale Universitario di Heidelberg vogliono utilizzare i metodi di “machine learning”. Nell’ambito del progetto “Cognitive Medical Assistant (KoMed)”, un team interdisciplinare dei Dipartimenti di Anestesiologia e di Chirurgia Generale, Viscerale e dei Trapianti addestrerà un algoritmo nei prossimi due anni per valutare una grande quantità di dati clinici dei pazienti utilizzando le analisi dei Big Data. L’obiettivo è rilevare i modelli nei dati e identificare le correlazioni che possono essere utilizzate per creare profili di rischio individuali. In futuro, KoMed, che è stato sviluppato insieme a partner industriali, fornirà un aiuto decisionale fondato, al fine di evitare complicazioni attraverso un trattamento e un’assistenza adeguati.
I punteggi di rischio precedenti si basano, ad esempio, su età, sesso e malattie precedenti. Non riflettono adeguatamente il rischio effettivo di complicanze del rispettivo paziente. KoMed analizzerà una serie di dati disponibili sui pazienti e identificherà quali caratteristiche sono associate a un rischio maggiore o minore di complicazioni, come infezioni delle ferite o attacchi cardiaci. “Questo non solo dà ai pazienti e alle équipe di cura una maggiore sicurezza nel prendere le decisioni terapeutiche”, spiega il leader del progetto, il dottor Jan Larmann, medico senior del Dipartimento di Anestesiologia dell’Università. “Valutare il rischio nel modo più accurato possibile permette anche di utilizzare le risorse in modo mirato e quindi porta anche dei vantaggi economici”.
“Il rischio di complicazioni può essere ridotto solo in una certa misura, sviluppando ulteriormente le tecniche chirurgiche e le procedure anestetiche. Abbiamo urgentemente bisogno di maggiori informazioni su quali caratteristiche del paziente sono associate a un rischio maggiore o minore di complicazioni, per poter trattare i pazienti in modo personalizzato in futuro”, afferma il Professor Dr Pascal Probst, medico senior del Dipartimento di Chirurgia dell’Università e direttore medico del centro studi della Società Tedesca di Chirurgia (SDGC). Nell’ambito di un primo studio clinico osservazionale, verranno registrati i dati di routine e i corsi di trattamento di 600 pazienti chirurgici iniziali. Questi dati vengono elaborati in forma strutturata e analizzabile e costituiscono la base su cui KoMed impara a identificare i possibili rischi. Sebbene i dati sulle malattie sottostanti e concomitanti, sulla diagnostica per immagini, sul tipo e sul decorso dell’intervento chirurgico, sui farmaci e sui valori del sangue, nonché su una moltitudine di altri valori misurati dalla routine clinica, vengano già registrati digitalmente, solo una parte di questi viene utilizzata per la prognosi del rischio – i sistemi utilizzati per l’elaborazione non consentono alcuna analisi.
Inoltre, sui pazienti dello studio vengono effettuate le cosiddette analisi del proteoma: Questi forniscono una panoramica di tutte le proteine attualmente attive nell’organismo e quindi una visione dei processi metabolici, dei loro cambiamenti o disturbi. “Dalla combinazione dei dati del proteoma e dei dati clinici di routine, speriamo di comprendere meglio le circostanze che portano alle complicazioni e i meccanismi patologici che le innescano. Questo renderà possibile adottare contromisure mirate in futuro”, afferma Larmann.
Al termine della fase di addestramento, il sistema dovrebbe essere in grado di prevedere le complicanze con una precisione mai raggiunta prima. “Presumiamo che questa conoscenza da sola aiuterà a prevenire le complicazioni, perché i pazienti ad alto rischio possono essere monitorati più intensamente e trattati prima”, dice fiducioso Larmann. Mentre l’assistenza medica intensiva è spesso indicata per i pazienti ad alto rischio, KoMed, invece, ha lo scopo di risparmiare ai pazienti a basso rischio un soggiorno inutile in terapia intensiva: Se oggi, ad esempio, un paziente viene automaticamente assegnato a un gruppo ad alto rischio a causa della sua età o del tipo di intervento chirurgico, in futuro KoMed riconoscerà uno stato di salute stabile e lo includerà nell’analisi del rischio. Prima dell’uso clinico, tuttavia, KoMed deve essere addestrato con ulteriori dati di pazienti e convalidato in un gruppo di pazienti indipendente.
Fonte: Anestesiologia Ospedale Universitario di Heidelberg (D)
