Utilizzo degli algoritmi per prevedere l’epatite: revisione sistematica

21.02.2024 | Popular Science

La mancanza di una diagnosi accurata e tempestiva dell’epatite costituisce un ostacolo significativo per un trattamento efficace, per la prevenzione della progressione della malattia, per la riduzione delle complicanze e per gli interventi salvavita dei pazienti. L’impiego dell’apprendimento automatico si presenta attualmente come una soluzione promettente per migliorare in modo sostanziale la precisione e la tempestività nella diagnosi. Questa revisione sistematica accompagnata da meta-analisi ha lo scopo di esplorare le prestazioni degli algoritmi di apprendimento automatico nel prevedere l’epatite virale.

È stata eseguita una ricerca bibliografica approfondita nei database PubMed, Scopus e Web of Science fino al 15 giugno 2023 includendo pubblicazioni in lingua inglese che riguardano la previsione dell’epatite mediante l’impiego di algoritmi di apprendimento automatico. La selezione degli studi è stata condotta seguendo la checklist PRISMA 2020 mentre il rischio di bias è stato attentamente valutato attraverso la checklist dell’International Journal of Medical Informatics (IJMEDI).

L’analisi ha coinvolto ventuno studi originali che comprendevano in totale 82 algoritmi. Sedici di questi lavori hanno impiegato cinque algoritmi per la previsione dell’epatite B mentre dieci hanno utilizzato altrettanti algoritmi per prevedere l’epatite C. Nei casi relativi all’epatite B, gli algoritmi SVM hanno dimostrato la sensibilità più elevata (90, 0%; intervallo di confidenza al 95% (IC): 77,0%-96,0%), specificità (94%; IC 95%: 90,0%-97,0%) e un valore diagnostico odds ratio ( DOR) di 145 (IC 95%: 37,0-559,0). Per quanto riguarda l’epatite C, gli algoritmi KNN hanno presentato sensibilità (80%; IC 95%: 30,0%-97,0%), specificità (95%; IC 95%: 58,0%-99,0 %) e DOR (72; 95% CI: 3,0-1644,0).

SVM e KNN hanno dimostrato prestazioni superiori nel predire l’epatite, sottolineando il potenziale miglioramento che un corretto utilizzo di tali algoritmi, in sinergia con la pratica clinica, potrebbe apportare nella previsione e nella gestione della malattia.

Fonte: Int J Med Inform. 2023

https://www.sciencedirect.com/science/article/abs/pii/S1386505623002617?via%3Dihub

IT-NON-10166-W-02-2026

Contenuti simili

I più visti