Il machine learning prevede i rischi chirurgici della PAV – ICT & Health

La malattia arteriosa periferica è un restringimento o un blocco di un'arteria della gamba. Ciò si traduce in un flusso sanguigno inferiore o addirittura nullo alle gambe e in una mancanza di ossigeno nelle gambe o nei piedi. In questo caso può essere necessario un intervento endovascolare per risolvere il restringimento o il blocco. Tuttavia, tale intervento comporta dei rischi. Questo rischio chirurgico non può sempre essere previsto con precisione. L’apprendimento automatico potrebbe essere in grado di cambiare la situazione.

Prevedere con precisione i rischi chirurgici

Il gruppo Analizzato Dati provenienti da oltre 200.000 pazienti sottoposti a chirurgia endovascolare per il trattamento della malattia delle arterie periferiche. Questi dati sono stati divisi in un set di dati per l'addestramento degli algoritmi e un set di dati per testare gli algoritmi. I dati sono stati utilizzati per determinare informazioni sulle caratteristiche del paziente, sull'anamnesi, sul decorso della procedura, sul recupero e su eventuali complicanze.

Sono stati quindi sviluppati e addestrati diversi modelli di apprendimento automatico utilizzando questi dati, con l’obiettivo di prevedere quali pazienti fossero maggiormente a rischio di sviluppare complicazioni gravi o di morte entro un anno dalla procedura. I risultati erano promettenti. I modelli di apprendimento automatico sono stati in grado di prevedere con precisione i rischi chirurgici di gravi complicanze e mortalità dopo chirurgia vascolare per malattia delle arterie periferiche.

Potenziale apprendimento automatico

Anche nei Paesi Bassi sono in corso ricerche sull’utilizzo dell’apprendimento automatico per prevedere i rischi. Il medico e ricercatore Nick Nurmohamed e l'assistente professore Dimitra Misha dell'UMC di Amsterdam stanno conducendo una ricerca per prevedere il rischio di malattie cardiovascolari sulla base di tre diverse tecniche di misurazione. I ricercatori hanno prima esaminato il potenziale aumento della rigidità arteriosa in 300 persone che non presentavano disturbi ma che già presentavano arteriosclerosi, visibile alle scansioni TC del cuore. Dopo due anni e mezzo, possono vedere se la rigidità arteriosa è aumentata e se possono prevederlo utilizzando il loro modello di apprendimento automatico.

Nel febbraio di quest'anno, l'American Heart Association (AHA) ha pubblicato un Messaggio Sulla situazione attuale relativa all’uso dell’intelligenza artificiale nella diagnosi e nel trattamento delle malattie cardiovascolari. In questa lettera l’American Heart Association sottolinea l’enorme potenziale dell’utilizzo dell’intelligenza artificiale, ad esempio, per valutare le immagini mediche, ma scrive anche che diversi fattori si frappongono ancora. Consideriamo, ad esempio, la legislazione, le questioni etiche, la mancanza di protocolli per la diffusione e lo scambio di informazioni e la necessità di aumentare la conoscenza scientifica su queste tecnologie.