Visits: 237
di Sarah Wong
L’inizio della pandemia di COVID-19 ha rappresentato una grande sfida per gli operatori sanitari. I medici hanno lottato per prevedere come sarebbero andati i diversi pazienti in trattamento contro il nuovo virus SARS-CoV-2. Decidere come valutare le risorse mediche quando vengono presentate pochissime informazioni ha avuto un impatto mentale e fisico sui caregiver con il progredire della pandemia.
Per alleviare questo onere, i ricercatori del Pacific Northwest National Laboratory (PNNL) , della Stanford University, della Virginia Tech e dei John Snow Labs hanno sviluppato TransMED, uno strumento di previsione dell’intelligenza artificiale (AI) primo nel suo genere volto ad affrontare i problemi causati dall’emergere o malattie rare.
“Mentre il COVID-19 si è diffuso nel 2020, ha portato molti di noi a pensare a come e dove potremmo contribuire in modo significativo”, ha affermato il capo equipe scientifica Sutanay Choudhury . “Abbiamo deciso che avremmo potuto avere il massimo impatto se avessimo lavorato sul problema della previsione degli esiti dei pazienti”.
“COVID ha presentato una sfida unica”, ha affermato Khushbu Agarwal, autore principale dello studio pubblicato su Nature Scientific Reports (https://www.nature.com/articles/s41598-022-13072-w) . “Avevamo dati sui pazienti molto limitati per addestrare un modello di intelligenza artificiale in grado di apprendere i modelli complessi alla base delle traiettorie dei pazienti COVID”.
Il team multiistituzionale ha sviluppato TransMED per affrontare questa sfida, analizzando i dati delle malattie esistenti per prevedere gli esiti di una malattia emergente.
Rispondere a una chiamata per aiutare
Quando è iniziata la pandemia di COVID-19, i ricercatori del PNNL hanno affrontato la nuova sfida frontalmente . Choudhury si è ritrovato a lavorare in un team che utilizzava l’IA per generare strutture per molecole che potrebbero essere potenziali candidate per lo sviluppo di farmaci contro SARS-CoV-2.
Ha anche provato un’intensa empatia nei confronti degli operatori sanitari in prima linea nella battaglia contro il COVID-19. “Era chiaro che dovevamo costruire strumenti più efficaci per proteggere meglio sia i pazienti che gli operatori sanitari durante la prossima crisi”, ha affermato Choudhury.
Suzanne Tamang (coagutrice della ricerca) ha detto “Abbiamo visto tutti la necessità di contribuire, potremmo sfruttare le nostre capacità per costruire uno strumento con valore e utilità immediati per gli operatori sanitari. A volte, la scienza migliore si verifica quando i ricercatori sono spinti dal desiderio di aiutare”.
Un nuovo approccio per combattere malattie sconosciute
I primi risultati indicano che TransMED supera gli attuali modelli di previsione degli esiti dei pazienti, in particolare per gli esiti più rari. Il software, infatti, considera quasi tutti i tipi di dati di cartelle cliniche elettroniche come condizioni mediche, farmaci, procedure, misurazioni di laboratorio e informazioni da note cliniche attraverso una visione olistica del paziente che consente di fare previsioni proprio come farebbe un medico.
L’altro fattore che contribuisce al successo di TransMED è il trasferimento dell’apprendimento. In sostanza, il trasferimento di apprendimento funziona facendo in modo che un modello di apprendimento automatico funzioni per risolvere un problema in cui esistono molti dati. Il modello trasferisce quindi questa conoscenza per risolvere problemi simili. Nel caso di TransMED, i ricercatori hanno addestrato il modello sugli esiti noti dei pazienti con malattie respiratorie gravi e applicato tale conoscenza alla previsione degli esiti di COVID-19. Sulla base dell’evoluzione clinica recente TransMED può prevedere la necessità di un paziente di ventilatori o altri rari esiti da 5 a 7 prima che ciò avvenga. L’applicazione dell’IA nelle strutture sanitarie del mondo reale è agli inizi, ma questo lavoro è un primo passo promettente verso la costruzione di un modello utile per prevedere i risultati dei pazienti. Sebbene TransMED debba ancora essere testato in ambito clinico, offre uno sguardo incoraggiante sul futuro dell’assistenza sanitaria.
(https://www.eurekalert.org/news-releases/960542)