Un algoritmo predittivo per la sclerosi multipla
Sviluppato da italiani, tiene conto delle valutazioni soggettive dei pazienti
Gli anglosassoni li chiamano Patient Reported Outcomes (PRO), ma per noi sono semplicemente le valutazioni che il paziente stesso fa della propria malattia. Si tratta di dati soggettivi, che tuttavia possono avere un valore predittivo importante in combinazione con i Clinician Assessed Outcomes, cioè i dati clinici, grazie all’utilizzo dell’intelligenza artificiale. Lo hanno dimostrato nel caso della sclerosi multipla Giampaolo Brichetto, coordinatore di Ricerca in riabilitazione FISM e direttore sanitario del Servizio di riabilitazione AISM Liguria, e colleghi che firmano un articolo sulla rivista “Neurological Sciences”.
“Da qualche tempo è diventato chiaro come i PRO non vadano più considerati come meri strumenti di valutazione clinica: sono diventati uno strumento scientifico e, integrati con altre informazioni, possono contribuire alla valutazione predittiva. Ovvero è possibile utilizzare le informazioni contenute nei PRO per capire come e se cambierà la malattia nei mesi a venire”, ha spiegato Brichetto.
Gli autori hanno utilizzato PROMOPRO-MS, il più grande database mondiale di Patiens Reported Outcomes, selezionando oltre 3000 dati, raccolti ogni quattro mesi, da più di 800 soggetti, seguiti a partire dalla fine del 2013 e inizio del 2014. I parametri considerati riguardavano sia le informazioni autoriportate sia i dati biometrici e le valutazioni cliniche, concernenti aspetti diversi della malattia, quali la mobilità, la fatica, lo stato emotivo, l’incontinenza e i problemi cognitivi. I ricercatori hanno poi sviluppato un algoritmo di previsione dello sviluppo della malattia.
“Con i dati attuali, il sistema che abbiamo messo a punto, a quattro mesi, possiede un’accuratezza dell’82% nel predire la transizione dalla forma recidivante-remittente a quella progressiva”, ha sottolineato Brichetto. “L’algoritmo ci fornisce la probabilità che avvenga il passaggio alla fase progressiva e la probabilità che il paziente ha di rimanere in quella a ricaduta e remissione, identificando alcuni aspetti della malattia più predittivi di altri”.
