L’intelligenza artificiale utile per le diagnosi di artrite reumatoide e psoriasica: permette analisi più dettagliate sull’impiego dei farmaci utilizzati
Utilizzare il natural language processing mediante tecniche di intelligenza artificiale (AI) per estrarre da cartelle cliniche non strutturate (scritte con testo libero) dati affidabili almeno quanto quelli derivati dalla loro scansione manuale, al fine di confermare la diagnosi di artrite reumatoide e psoriasica ed effettuare delle analisi più dettagliate sull’impiego dei farmaci utilizzati.
Ciò è quanto è stato fatto in un’esperienza condotta a livello multi-dipartimentale e multi-divisione presso l’Istituto Humanitas di Milano, oggetto di una comunicazione mediante poster al recente Congresso EULAR.
I presupposti dello studio
La gestione dell’artrite reumatoide (AR) e dell’artrite psoriasica (PsA) richiedono spesso un approccio multidisciplinare che prevede il coinvolgimento di diversi specialisti nella scelta del trattamento per il paziente che hanno di fronte, dopo averlo visitato.
L’impatto di questa modalità di gestione sull’impiego dei glucocorticoidi sistemici e di farmaci più innovativi come i farmaci biologici e le small molecule non è ancora noto, però, e questo pone degli interrogativi sulla gestione appropriata della terapia.
Per fare solo un esempio di cosa ciò comporti, teniamo presenti le linee guida per il trattamento dell’AR che sottolineano l’importanza di verificare un miglioramento clinico a 3 mesi e la remissione o la ridotta attività di malattia a 6 mesi dall’inizio del trattamento.
I farmaci biologici (o i Jak inibitori) sono notoriamente raccomandati in presenza di cattivi fattori prognostici o sulla base dell’osservazione di una risposta insoddisfacente al trattamento iniziale.
La scelta di questi farmaci da utilizzare si basa spesso sull’esperienza del clinico, le preferenze dei pazienti e le considerazioni sui costi sostenuti per la terapia, ed è per questo complicata dall’ampio ventaglio di opzioni terapeutiche disponibili. Ma è altrettanto risaputo che il tempo perso per l’utilizzo di farmaci inefficaci per alcuni pazienti potrebbe portare alla progressione irreversibile della malattia.
Di qui la necessità di individuare strumenti atti a personalizzare il trattamento in base alle caratteristiche dei singoli pazienti che si hanno di fronte.
Le tecniche di AI basate sull’apprendimento automatico (machine learning) si stanno affermando con sempre maggior frequenza in medicina per identificare individui a rischio di malattia, predire gli outcome e ottimizzare i trattamenti a disposizione.
Nello specifico, gli strumenti di AI – in particolare il natural language processing (ovvero l’elaborazione del linguaggio naturale che si occupa di fornire ai computer la capacità di comprendere il testo e le parole pronunciate, come gli esseri umani) e l’apprendimento automatico (machine learning) – permettono di gestire database di grandi dimensioni e di studiare le associazioni esistenti tra diverse variabili.
L’obiettivo dello studio presentato al Congresso è stato quello di utilizzare il “natural language processing” per dimostrare se un approccio multidisciplinare al paziente con AR o PsA potesse cambiare le scelte di trattamento.
Disegno dello studio
Sono state analizzate, utilizzando la tecnica del natural language processing, le cartelle cliniche relative alle visite mediche effettuate tra il 2017 e il 2020 di pazienti non più in carico o ancora in cura presso il Centro Humanitas per le malattie immuno-mediate al quale afferiscono reumatologi, dermatologi, gastroenterologi ed allergologi dell’Istituto.
Grazie a questa tecnica sono state estrapolate e trasformate le informazioni non strutturate presenti in queste cartelle (testo libero) in dati strutturati e utili per effettuare analisi sulle diagnosi e le caratteristiche di questi pazienti, nonché sulle scelte di trattamento effettuate dagli specialisti.
I processi di cura sono stati digitalizzati e organizzati in categorie (presenza di AR o di PsA, prescrizione di glucocorticoidi/farmaci biologici/small molecule) relativamente a tutti i pazienti considerati.
A ciò è seguita l’esecuzione di analisi univariate e multivariate per mettere in correlazione le variabili considerate tra di loro.
Risultati principali
L’analisi ha incluso 1743 pazienti con AR (77% donne, età media: 58±16 anni) e 1359 pazienti con PsA (46% women, età media: 56±14 years), sottoposti, rispettivamente, a 5.517 e 3.992 visite con specialisti diversi nel periodo in studio.
Tra I pazienti con AR e PsA, 457 (26%) e 484 (35%) erano stati sottoposti a trattamento con farmaci biologici o small molecule, rispettivamente, mentre 870 (50%) pazienti con AR e 429 (31%) pazienti con PsA erano stati sottoposti a trattamento con GC sistemici nel corso di una visita medica. Inoltre, i pazienti visitati almeno tre volte dal reumatologo erano stati sottoposti ad un maggior numero di prescrizioni di farmaci biologici o small molecule.
Degna di nota è stata l’osservazione che il 4,7% dei pazienti con AR e l’11,3% dei pazienti con PsA erano stati visitati anche da un dermatologo, un gastroenterologo e uno specialista in allergie e malattie respiratorie e che questi pazienti erano sottoposti più frequentemente a trattamento con con glucocorticoidi (70% vs. 49% per l’AR, p<0,001; 60% vs. 28% per la PsA, p<0,001), come pure con farmaci biologici e small molecule (49% vs. 25% per l’AR, p<0,001; 64% vs. 32% per la PsA, p<0,001).
Riassumendo
Nel complesso, i risultati di questo studio real world, che ha utilizzato il “natural language processing” e le tecniche di apprendimento automatico (machine learning) per l’ estrapolazione di dati da cartelle cliniche non strutturate (testo libero) di pazienti con AR o PsA, hanno dimostrato che il campione di pazienti utilizzato, sottoposto a molteplici visite mediche da parte di specialisti diversi, aveva maggiori probabilità di essere sottoposto a trattamento con farmaci biologici o small molecule.
Nel commentare ai nostri microfoni questi risultati, il prof. Carlo Selmi (Responsabile dell’UO di Reumatologia e Immunologia Clinica in Humanitas, Ordinario di Medicina Interna, Humanitas University di Milano), co-autore dello studio ha affermato come tutto ciò “…prefigura un possibile impiego futuro dell’AI in tutti quegli ambiti ospedalieri o anche di assistenza sul territorio sprovvisti di database amministrativi di dimensioni congrue – come quelli, ad esempio, delle assicurazioni sanitare Usa, che permettono una ricerca di una molteplicità di dati estrapolabili”.
“Nel nostro caso specifico – conclude – partendo dalle informazioni a testo libero estrapolate dalle cartelle cliniche non strutturate o dal diario clinico dei pazienti, sarà possibile ritrovare le diagnosi corrette, i trattamenti corretti e, quindi, sarà possibile capire se le diagnosi poste di malattia correlino con una gestione diversa della patologia”.
Bibliografia
Moranding P et al. Artificial intelligence to connect the use of biologics and small molecules in rheumatoid and psoriatic arthritis with a multidisciplinary evaluation: a real world evidence approach through naturallanguage processing, Presented at EULAR 2022; Poster POS0294