Uno studio coordinato dall'IDI-IRCCS di Roma e pubblicato sull'International Journal of Infectious Diseases dimostra che l'intelligenza artificiale può prevedere con elevata accuratezza la sensibilità dei batteri agli antibiotici utilizzando dati clinici e microbiologici raccolti nella pratica ospedaliera
L’intelligenza artificiale potrebbe diventare una delle armi più efficaci nella lotta all’antibiotico-resistenza, una delle emergenze sanitarie più preoccupanti a livello mondiale. A dimostrarlo è uno studio coordinato dall’IDI-IRCCS di Roma, realizzato in collaborazione con l’Istituto Superiore di Sanità, il Consiglio Nazionale delle Ricerche, l’Università di Salerno e l’Università Link di Roma, pubblicato sulla rivista scientifica International Journal of Infectious Diseases. La ricerca mostra come l’integrazione tra machine learning e medicina di precisione possa aiutare i clinici a individuare in tempi molto rapidi l’antibiotico più appropriato per ogni paziente.
Un alleato per i medici
Ogni anno l’antibiotico-resistenza causa un numero crescente di infezioni difficili da trattare. Quando la terapia iniziale non è adeguata, aumentano il rischio di complicanze, la durata della degenza ospedaliera e la possibilità che si sviluppino nuovi ceppi resistenti. Per questo motivo la rapidità nella scelta dell’antibiotico corretto rappresenta un elemento decisivo. I ricercatori hanno sviluppato un modello predittivo capace di utilizzare le informazioni già presenti nelle cartelle cliniche e nei sistemi informativi ospedalieri per anticipare la risposta dei batteri ai diversi antibiotici. L’obiettivo è supportare il medico nella scelta tempestiva della terapia più efficace, prima ancora che siano disponibili i risultati completi degli esami microbiologici tradizionali.
Lo studio su quasi 10mila pazienti
L’analisi ha coinvolto 9.966 pazienti assistiti tra il 2018 e il 2024 in due strutture sanitarie del Lazio. I ricercatori hanno esaminato 15.581 isolati batterici, utilizzando dati clinici e microbiologici raccolti nella normale attività assistenziale. Attraverso diversi modelli di machine learning, il sistema è stato addestrato a riconoscere i profili di sensibilità e resistenza agli antibiotici. Tra gli algoritmi testati, il modello XGBoost ha ottenuto le migliori prestazioni, raggiungendo valori di accuratezza molto elevati nella previsione della sensibilità agli antibiotici sia per i batteri Gram-positivi sia per quelli Gram-negativi. In alcune specie batteriche particolarmente rilevanti, come Pseudomonas aeruginosa, Klebsiella pneumoniae ed Escherichia coli, la capacità predittiva si è rivelata ancora più elevata.
L’antibiogramma digitale
Il risultato più interessante è la realizzazione di quello che gli autori definiscono un “antibiogramma digitale”. Grazie all’elaborazione automatica dei dati clinici e microbiologici, il sistema riesce infatti a prevedere con un’accuratezza superiore al 90% quali antibiotici saranno efficaci contro il batterio responsabile dell’infezione. Il vantaggio principale è rappresentato dal tempo. Il modello consente di ottenere indicazioni utili fino a 48 ore prima rispetto all’antibiogramma tradizionale, un intervallo che può fare la differenza soprattutto nei pazienti più fragili o nelle infezioni severe.
Verso una medicina sempre più personalizzata
Secondo gli autori, la forza di questo approccio risiede nella possibilità di utilizzare dati già disponibili nella pratica clinica quotidiana, senza ricorrere a esami aggiuntivi o tecnologie particolarmente costose. Inoltre, il sistema tiene conto delle caratteristiche del singolo paziente e della sua storia clinica, avvicinando sempre di più la gestione delle infezioni ai principi della medicina personalizzata. “Questi risultati dimostrano che le informazioni normalmente disponibili nelle cartelle cliniche e nei sistemi informativi ospedalieri, se correttamente utilizzate, possano essere sfruttate per supportare decisioni terapeutiche rapide, efficaci e mirate”, sottolinea il microbiologo Giuseppe Piccinni, coautore dello studio.
Un contributo contro una minaccia globale
L’Organizzazione Mondiale della Sanità considera l’antibiotico-resistenza una delle principali minacce per la salute pubblica del XXI secolo. Ridurre l’uso inappropriato degli antibiotici e migliorare la precisione delle terapie sono due obiettivi fondamentali per contenere il fenomeno. I risultati dello studio italiano suggeriscono che l’intelligenza artificiale potrebbe offrire un contributo concreto in questa direzione, aiutando i medici a scegliere prima e meglio il trattamento più adatto e favorendo un impiego più razionale degli antibiotici. Una prospettiva che potrebbe tradursi non solo in cure più efficaci per i pazienti, ma anche in un importante passo avanti nella lotta contro la diffusione dei batteri resistenti.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato