Nuovo modello IA migliora la diagnosi della SM

Roma – Un nuovo modello d’intelligenza artificiale ha identificato la transizione alla sclerosi multipla secondariamente progressiva in modo efficace e prima di quanto documentato nella cartella clinica del paziente in quasi l’87% dei casi, con una precisione complessiva di circa il 90%. Lo dimostra un nuovo studio guidato da Kim Kultima, ricercatore presso il Dipartimento di Scienze Mediche dell’Università di Uppsala, pubblicato sulla rivista Digital Medicine. La sclerosi multipla, SM, è una malattia infiammatoria cronica del sistema nervoso centrale. In Svezia, circa 22.000 persone convivono con la SM. La maggior parte dei pazienti esordisce con la forma recidivante-remittente, SMRR, caratterizzata da episodi di peggioramento intervallati da periodi di stabilità. Col tempo, molte persone passano alla SM secondariamente progressiva, SMSP, in cui i sintomi peggiorano costantemente, senza interruzioni evidenti. Identificare questa transizione è importante perché le due diverse forme di SM richiedono trattamenti diversi. Attualmente, la diagnosi viene formulata in media tre anni dopo l’inizio della transizione, il che può portare i pazienti a ricevere farmaci che non sono più efficaci. Il nuovo modello di intelligenza artificiale riassume i dati clinici di oltre 22.000 pazienti registrati nel Registro Svedese della SM. Il modello si basa su dati già raccolti durante visite mediche regolari, come esami neurologici, risonanze magnetiche, RM, e trattamenti in corso. “Riconoscendo gli schemi dei pazienti precedenti, il modello può determinare se un paziente presenta la forma recidivante-remittente o se la malattia è passata alla sclerosi multipla secondariamente progressiva”, ha spegato Kultima. “Ciò che rende unico il modello è che indica anche il suo livello di affidabilità in ogni singola valutazione”, ha continuato Kultima. “Ciò significa che il medico saprà quanto è affidabile la conclusione e quanto è sicura l’IA nella sua valutazione”, ha aggiunto Kultima. “Per i pazienti, questo significa che la diagnosi può essere effettuata in anticipo, il che consente di adattare tempestivamente il trattamento e rallentare la progressione della malattia”, ha evidenziato Kultima. “Ciò riduce anche il rischio che i pazienti ricevano farmaci non più efficaci”, ha precisato Kultima. “A lungo termine, il modello potrebbe anche essere utilizzato per identificare i partecipanti idonei per gli studi clinici, contribuendo a strategie di trattamento più efficaci e personalizzate”, ha concluso Kultima. (30Science.com)