Notizie
Fattori di rischio per infezioni ricorrenti vie respiratorie in bambini in età prescolare
L’incidenza di infezioni ricorrenti delle vie respiratorie (RRTI) nei bambini in età prescolare è influenzata da molteplici fattori. […]
Uso dell’AI nel rilevare e prevedere le infezioni correlate all’assistenza sanitaria
La crescente digitalizzazione dei dati sanitari e il rapido sviluppo dell’intelligenza artificiale (AI) aprono la strada a strategie innovative per la gestione delle malattie infettive. Chiara Barbati e i suoi collaboratori hanno eseguito una revisione sistematica con l’obiettivo di raccogliere e sintetizzare le evidenze attuali sull’uso e sulle prestazioni dei modelli basati sull’AI per l’identificazione e la previsione delle infezioni correlate all’assistenza sanitaria (ICA) (ovvero, il rilevamento di infezioni già presenti nei dati disponibili e la stima del rischio futuro basata sulle informazioni pregresse del paziente).
È stata eseguita un’esplorazione completa delle banche dati PubMed, Embase, Scopus e Web of Science alla ricerca di studi sperimentali e osservazionali pubblicati tra il 1° luglio 2018 e il 12 febbraio 2024. Gli esiti primari includono metriche di prestazione tecnica per il rilevamento e la previsione delle ICA (come richiamo, precisione e AUROC). Gli impatti clinici, organizzativi o economici riportati sono stati valutati come esiti secondari. Alla fine, gli esperti hanno selezionato 121 documenti ritenuti idonei. Venticinque studi (20,6%) sono concentrati sul rilevamento delle ICA, con oltre la metà che ha raggiunto un valore AUROC superiore a 0,90. Al contrario, gli studi sulla previsione delle ICA (n = 93, 76,9%) hanno riportato prestazioni più eterogenee. Tra gli studi che hanno confrontato l’AI con i metodi tradizionali (n = 32), i modelli di AI superano gli approcci convenzionali nell’81,3% dei casi (n = 26). Gli Autori concludono che un crescente insieme di evidenze suggerisce che i modelli di AI siano equivalenti o superiori ai metodi tradizionali per il rilevamento e la previsione delle ICA, ma permangono sfide nella valutazione delle prestazioni, a causa della mancanza di comparatori in molti studi, delle scarse valutazioni prospettiche e della limitata analisi dell’impatto organizzativo.
Fonte: Artif Intell Med. 2025
https://www.sciencedirect.com/science/article/pii/S0933365725002568?via%3Dihub
