Bpco: l’intelligenza artificiale può essere sfruttata attraverso un’applicazione chiamata myCOPD per prevedere le riacutizzazioni di malattia
Uno studio presentato nel corso del Congresso annuale ERS ha dimostrato che l’intelligenza artificiale può essere sfruttata attraverso un’applicazione chiamata myCOPD per prevedere quando i pazienti affetti da broncopneumopatia cronica ostruttiva (BPCO) potrebbero avere una riacutizzazione della malattia, talvolta chiamata esacerbazione acuta.
Le riacutizzazioni della BPCO possono essere molto gravi e sono associate a un maggior rischio di ospedalizzazione. I sintomi includono mancanza di respiro, tosse e produzione di catarro (muco).
“Le riacutizzazioni acute della BPCO – ricordano gli autori dello studio – si associano ad outcome sfavorevoli. Sappiamo che l’identificazione e il trattamento precoce delle riacutizzazioni possono migliorare questi risultati e quindi abbiamo voluto determinare la capacità predittiva di un’app per la BPCO ampiamente utilizzata”.
L’app myCOPD è un’applicazione interattiva basata su cloud, sviluppata da pazienti e medici e disponibile per l’uso nel Servizio Sanitario Nazionale del Regno Unito. È stata creata nel 2016 e, ad oggi, è utilizzata da oltre 15.000 pazienti affetti da BPCO per aiutarli a gestire la loro malattia.
I ricercatori hanno raccolto 45.636 registrazioni relative a 183 pazienti nel periodo agosto 2017 – dicembre 2021. Di queste, 45.007 erano registrazioni di malattia stabile e 629 di riacutizzazioni di malattia. Le previsioni di esacerbazione sono state generate da uno a otto giorni prima di un evento di esacerbazione auto-riferito.
Gli autori dello studio si sono serviti di questi dati per implementare modelli di intelligenza artificiale sul 70% dei pazienti e testarli sul rimanente 30%.
I pazienti dello studio erano definiti “high engagers”, cioè avevano utilizzato l’app settimanalmente per mesi o addirittura anni per registrare i propri sintomi e altre informazioni sulla salute, registrare i farmaci utilizzati, impostare promemoria e avere accesso a informazioni aggiornate sulla salute e sullo stile di vita.
I medici potevano avere accesso a questi dati online, mediante consultazione di un’apposita interfaccia, in modo da assicurare al paziente attività di supervisione, cogestione e telemonitoraggio a distanza dei pazienti.
“L’ultimo modello di intelligenza artificiale che abbiamo sviluppato ha dimostrato una sensibilità del 32% e una specificità del 95%. Ciò significa che il modello è stato in grado di predire efficacemente, sul singolo paziente, il minor rischio di andare incontro ad un evento di riacutizzazione, evitando trattamenti non necessari e meno efficace nel predire il rischio di andare incontro ad un evento di riacutizzazione di malattia. Migliorare questo aspetto sarà l’obiettivo della prossima fase della nostra ricerca”, ha dichiarato Henry Glyde, a dottorando presso la facoltà di Ingegneria all’Università di Bristol, che ha presentato lo studio al congresso.
Implicazioni e limiti dello studio
Nel commentare i dati dello studio prima della loro presentazione, James Doss, professore associato di medicina respiratoria presso l’Università di Bristol e responsabile del progetto, ha dichiarato: “I modelli predittivi delle riacutizzazioni generati da questo studio hanno una potenzialità di applicazione teorica estesa ad altre migliaia di pazienti affetti da BPCO, previa conduzione di test ulteriori di sicurezza ed efficacia. Ciò permetterebbe ai pazienti di avere maggiore autonomia e controllo sulla propria salute, ottimizzando la dipendenza dei pazienti dalle cure primarie. Inoltre, una migliore gestione delle riacutizzazioni potrebbe evitare il ricovero in ospedale e alleggerire gli oneri economici e organizzativi per il sistema sanitario.
Sono necessari ulteriori studi sul coinvolgimento dei pazienti per determinare il livello di accuratezza accettabile e il funzionamento pratico di un sistema di allerta delle esacerbazioni. L’introduzione di tecnologie di rilevamento potrebbe potenziare ulteriormente il monitoraggio e migliorare le prestazioni predittive dei modelli”.
Tra i limiti dello studio ammessi dagli stessi autori si segnala, in primis, il numero esiguo di utenti abituali dell’app. Il modello attuale richiede che il paziente inserisca il punteggio del test di valutazione della BPCO, compili il diario dei farmaci e poi riferisca di avere un evento di riacutizzazione in modo accurato alcuni giorni dopo. Di solito, solo i pazienti che hanno un’elevata familiarità con l’App, utilizzandola quotidianamente o settimanalmente, possono fornire la quantità di dati necessaria per la modellizzazione dell’intelligenza artificiale. Inoltre, poiché i giorni in cui gli utenti sono stabili sono molto più numerosi di quelli in cui hanno un evento di riacutizzazione di malattia, vi è ovviamente uno squilibrio significativo tra i dati disponibili sulle riacutizzazione e quelli che non lo sono. Ciò comporta un’ulteriore difficoltà per i modelli nel prevedere correttamente gli eventi dopo l’addestramento su questi dati sbilanciati.
“Una recente collaborazione tra pazienti, medici e assistenti per definire le priorità di ricerca sulla BPCO ha rilevato che la domanda più votata è stata quella di come identificare modi migliori per prevenire le esacerbazioni. Ci siamo concentrati su questa domanda e lavoreremo a stretto contatto con i pazienti per progettare e implementare il sistema”, ha concluso Glyde.
In conclusione
Lo studio presentato al Congresso non è, in realtà, il primo in assoluto ad avere dimostrato un possibile impiego degli strumenti della telemedicina nella BPCO.
Mesi fa abbiamo reso conto della messa a punto di un kit di telemonitoraggio italiano, messo a punto dall’Associazione Italiana Pneumologi Ospedalieri- Italian Thoracic Society (AIPO-ITS) e BPCOmedia, produttore di un sistema di telemonitoraggio specifico per la BPCO. Il kit in uso al paziente misura lo stato di avanzamento della patologia, prevede le riacutizzazioni, segnala eventuali situazioni critiche e si connette con il medico curante che potrà ricevere segnalazioni di allarme e orientare il paziente verso la giusta terapia, riservando l’accesso alle strutture e i ricoveri ospedalieri solo nei casi più necessari.
Bibliografia
1) Glyde H et al. Exacerbation predictive modelling using real-world data from the myCOPD app. Abstract PA2728, ERS2022