Big data, intelligenza artificiale, Medicina 4.0 – la digitalizzazione non si ferma alla medicina. La tecnologia medica digitale determinerà sempre più attività mediche e quindi cambierà anche il ruolo dei medici e i loro trattamenti. L’intelligenza artificiale può supportare anche la prognosi dei pazienti ipertesi?
La digitalizzazione e il collegamento in rete nel settore sanitario sono sempre più avanzati e si stanno diffondendo in molti ospedali. I big data e l’intelligenza artificiale significano anche opportunità di aumentare l’efficienza dei processi, la qualità del trattamento e quindi la soddisfazione del paziente, nonché una riduzione della quantità di documentazione richiesta. Le decisioni e la pianificazione possono essere ottimizzate con l’aiuto delle macchine e adattate in modo specifico alle esigenze individuali del paziente. Un’area di utilizzo è il monitoraggio della pressione alta, che genera molti dati diversi.
Uno studio ha ora l’obiettivo di descrivere un punteggio di cambiamento terapeutico (TCS) nell’ipertensione trattata e osservata a lungo termine e di sviluppare un modello per prevedere il TCS. A questo scopo, 1293 pazienti sono stati seguiti per una media di 5,1 anni. Sono stati raccolti i dati demografici, l’anamnesi, i parametri clinici e la pressione sanguigna, che sono stati misurati in modo standardizzato con un dispositivo elettronico a misurazione automatica. Inoltre, in ogni consultazione è stata registrata la gestione della terapia in corso. Il TCS è stato calcolato ad ogni visita come 0 per la stabilità terapeutica e 1 per la modifica di almeno un trattamento antipertensivo o del suo dosaggio. I dati sono stati anonimizzati e organizzati per consentire la formazione e l’implementazione dell’intelligenza artificiale per prevedere i modelli TCS.
Ottimizzazione dell’aftercare con l’aiuto dell’intelligenza artificiale
L’analisi di Kaplan-Meyer ha mostrato una TCS positiva nel 70% dei soggetti nel primo anno e nel 98% per tutta la durata del follow-up. Il modello predittivo per il TCS contiene 160 variabili. Questo modello permette di prevedere un cambiamento nella prescrizione antipertensiva alla visita successiva, con un valore vero positivo del 95% e un valore predittivo negativo del 77%. Con l’aiuto dell’intelligenza artificiale, è quindi possibile ottimizzare il follow-up dell’ipertensione.
Fonte: 29° meeting europeo di ipertensione e protezione cardiovascolare (ESH) (pubblicato il 10.10.19, in anticipo sulla stampa)
Ulteriori letture:
- Bossiere F, et al: Previsione del punteggio di cambiamento terapeutico nei soggetti ipertesi mediante l’analisi dei Big Data e l’intelligenza artificiale. Giornale dell’ipertensione 2019; 37:e1
CARDIOVASC 2019; 18(5): 32
