Si stima che circa il 6% delle disabilità acquisite ogni anno nel mondo sia determinata da traumi fisici causati da incidenti di vario genere. Traumi che lasciano spesso anche strascichi psicologici ed emotivi. Capire come intervenire al meglio su ogni singolo paziente, prendendolo in carico in modo olistico, consentirebbe di migliorarne il recupero.
Uno studio olandese si è concentrato proprio su questo aspetto. Condotto dalla Tilburg University, il lavoro ha anzitutto valutato i modelli predittivi esistenti per poi provare a realizzarne uno ex novo, basato su intelligenza artificiale.
Come sottolineato dagli autori nella loro introduzione, esistono già modelli predittivi per i pazienti che subiscono un trauma fisico, ma questi sono per la maggior parte concentrati o solo sull’aspetto fisico-funzionale o su quello psicoemotivo.
Inoltre, quasi tutti i modelli in uso sono basati su regressioni statistiche.
Qui i ricercatori propongono qualcosa di diverso, capace di dare una visione a 360° del soggetto e aiutare gli specialisti a intervenire al meglio.
Gli autori hanno utilizzato i dati presenti nel Brabant Injury Outcome Surveillance (BIOS) dataset che racchiude informazioni relative a tutti gli adulti ammessi per trauma negli ospedali della regione della provincia del Brabante Settentrionale. In tutto, si parla di 4883 pazienti. Il primo passo è stato quindi creare dei cluster di pazienti sulla base della loro capacità di recupero dal trauma, in termini di: salute psichica, salute fisica, salute generale.
Per ognuno dei cluster sono state quindi identificate delle variabili longitudinali capaci di descrivere al meglio lo stato dei pazienti. Unendo le variabili identificate per la salute psichica e quelle per la salute fisica si sono ottenute 7 variabili per la salute generale che vanno però moltiplicate per 6 lassi temporali: ogni variabile viene infatti valutata a una settimana, un mese, tre mesi, 6 mesi, 12 mesi e 24 mesi dalla lesione avvenuta. In tutto, quindi, sono prese in considerazione 42 variabili. Le successive analisi hanno permesso agli autori di verificare che, di norma, la ripresa fisica e quella psicoemotiva vanno di pari passo, supportandosi vicendevolmente. Arrivati a questa osservazione, si è proceduto al passo successivo, che vede intervenire l’intelligenza artificiale.
Lo studio evidenzia alcuni fattori importanti da tenere in considerazione per capire come evolverà quel paziente specifico, suggerendo quindi anche il metodo di intervento: età, comorbidità, MBI, valori EQ-5D pre-trauma, valori EQ-VAS pre-trauma e fragilità. In questo caso, il team di ricerca ha scelto il Random Forest come algoritmo di intelligenza artificiale per il proprio lavoro, anche se in precedenti studi anche i Neural Networks si sono dimostrati efficaci.
Questo studio è un punto di partenza, probabilmente, ma traccia alcuni contorni precisi e utili per realizzare modelli predittivi in un campo molto complesso, come è quello della traumatologia. Gli autori sottolineano anche l’importanza di utilizzare i modelli predittivi come aiuto, anche nella comunicazione con il paziente, senza dimenticarsi che la sensibilità, le competenze e l’esperienza del clinico continuano a essere estremamente importanti.
Studio: Stoitsas, K., Bahulikar, S., de Munter, L. et al. Clustering of trauma patients based on longitudinal data and the application of machine learning to predict recovery. Sci Rep 12, 16990 (2022). https://doi.org/10.1038/s41598-022-21390-2
Stefania Somaré
