Algoritmo basato sul machine learning distingue tra epatiti da alcool e colangiti

Aiutare i medici a distinguere le epatiti causate da consumo di alcool dalle colangiti: è questo l’obiettivo di un algoritmo basato sul machine learning – uno strumento predittivo efficace che usa poche variabili e informazioni cliniche strutturate disponibili di routine –  messo a punto da Joseph Ahn e colleghi della Mayo Clinic di Rochester, che ne hanno descritto il metodo in un articolo pubblicato da Mayo Clinic Proocedings.

Le colangiti acute sono infezioni batteriche potenzialmente fatali, spesso associate a calcoli. Tra i sintomi che le accompagnano : febbre, ittero, dolore e aumento degli enzimi epatici. Anche se sembrano essere sintomi distintivi, queste manifestazioni possono essere simili a quelli di diverse altre malattie come le epatiti associate ad abuso di alcool; un problema per chi deve fare la diagnosi e trattare pazienti con anomalie dei livelli di enzimi epatici e risposte infiammatorie sistemiche.

Il team americano ha sviluppato e adattato un algoritmo basato sul machine learning per distinguere le due malattie usando valori di routine. Il sistema ha mostrato una performance eccellente, con più del 93% di accuratezza.

Per lo studio i ricercatori hanno analizzato dati relativi a 459 pazienti con più di 18 anni ricoverati con diagnosi di colangite acuta o epatite associata ad alcool, sui quali, al momento del ricovero, sono stati raccolti dieci parametri di laboratorio di routine.

Dopo aver escluso i pazienti con dati incompleti, sono rimasti 260 pazienti con epatiti e 193 con colangiti, le cui informazioni sono servite ad adattare l’algoritmo.
I ricercatori hanno poi validato i risultati su una coorte di pazienti del Beth Israel Deaconess Medical Center di Boston, con l’algoritmo che ha anche mostrato di essere superiore ai medici nel distinguere tra le due malattie.

Secondo il team, questo strumento può essere utile nei casi in cui il paziente non ammette di aver fatto abuso di alcool e in quelli di emergenza, con pazienti in fase acuta della malattia e con livelli anomali di enzimi epatici.

Fonte: Mayo Clinic Proceedings

Post correlati

Lascia un commento

*



SICS Srl | Partita IVA: 07639150965

Sede legale: Via Giacomo Peroni, 400 - 00131 Roma
Sede operativa: Via della Stelletta, 23 - 00186 Roma

Popular Science Italia © 2022