Piede diabetico, un algoritmo prevede chi è a rischio amputazione

827
Piede diabetico

Il paziente diabetico tende a sviluppare una neuropatia, che porta alla perdita della sensibilità a livello delle estremità, ciò significa che non avverte il dolore ai piedi e non sempre si accorge di avere escoriazioni cutanee.
Questi due fattori, insieme, portano alla complicanza del piede diabetico, che a sua volta può portare nei casi estremi all’amputazione.

L’attenzione verso questa complicanza è aumentata negli anni, di pari passo con il miglioramento delle tecniche di cura.

Uno studio del 2019 ha analizzato il tasso di amputazione maggiore in 21 Paesi nel periodo temporale compreso tra il 2000 e il 2013, evidenziando una riduzione del 29,8% nei casi associati a piede diabetico (Carinci, F., Uccioli, L., Massi Benedetti, M. et al. An in-depth assessment of diabetes-related lower extremity amputation rates 2000–2013 delivered by twenty-one countries for the data collection 2015 of the Organization for Economic Cooperation and Development (OECD). Acta Diabetol 57, 347-357 (2020) https://doi.org/10.1007/s00592-019-01423-5).

Si tratta di una riduzione importante, tuttavia l’evento non può ancora essere considerato raro, soprattutto considerando che l’incidenza del diabete mellito sale con l’invecchiamento della popolazione. Secondo un recente studio cinese, ogni anno circa un milione di pazienti diabetici andrebbero incontro ad amputazione negli arti inferiori e nel 85% la causa sarebbe proprio il piede diabetico. Non solo. C’è evidenza che il rischio di mortalità a 5 anni di un paziente diabetico amputato sia maggiore che in un paziente diabetico non amputato. Per facilitare il riconoscimento dei casi che maggiormente rischiano di incorrere in amputazione in ospedale, il team cinese ha pensato di sviluppare un algoritmo di intelligenza artificiale.

Il gruppo di partenza è costituito di 618 pazienti diabetici ospedalizzati per ulcere alle estremità: questi sono stati divisi in tre sottogruppi, quello con amputazione minore, con amputazione minore e quello senza.

Il modello è stato costruito partendo da questo campione utilizzando vari strumenti: la tecnica di machine learning di regressione e classificazione Light Gradient Boosting Machine (LightGBM) e altri strumenti di validazione per iniziare, con l’aggiunta di un algoritmo SHapley Additive exPlanations per facilitare l’interpretazione dei dati. Le analisi successive del modello proposto sembrano dimostrarne l’efficacia nel riconoscere i sintomi che porteranno ad amputazione. Se così fosse, i clinici potrebbero intervenire in modo differente sui pazienti a maggior rischio cercando di evitare che l’amputazione diventi necessaria.

(Lo studio: Xie P, Li Y, Deng B, Du C, Rui S, Deng W, Wang M, Boey J, Armstrong DG, Ma Y, Deng W. An explainable machine learning model for predicting in-hospital amputation rate of patients with diabetic foot ulcer. Int Wound J. 2021 Sep 14. doi: 10.1111/iwj.13691. Epub ahead of print. PMID: 34520110)

Stefania Somaré