L’intelligenza artificiale entra nella lotta contro una delle minacce più insidiose per la salute pubblica: l’antibiotico-resistenza. Uno studio italiano coordinato dall’Idi-Irccs di Roma dimostra che, grazie all’analisi dei dati clinici e microbiologici raccolti negli ospedali, è possibile prevedere con elevata accuratezza quali antibiotici saranno efficaci contro un’infezione, anticipando di almeno 48 ore i tempi richiesti dagli esami tradizionali.
L’antibiotico-resistenza
La ricerca, pubblicata sull’International Journal of Infectious Diseases e realizzata in collaborazione con Università di Salerno, Kelyon, Cnr, Istituto superiore di sanità e Università Link di Roma, ha coinvolto quasi 10mila pazienti italiani. Un risultato che apre nuove prospettive per la medicina di precisione applicata alle malattie infettive.
L’antibiotico-resistenza è considerata una delle emergenze sanitarie più rilevanti a livello mondiale. Quando un’infezione è causata da batteri resistenti, individuare rapidamente la terapia corretta può fare la differenza tra la guarigione e il peggioramento del quadro clinico. Ogni ritardo aumenta infatti il rischio di complicanze, prolunga i ricoveri e favorisce la diffusione di microrganismi sempre più difficili da trattare.
Lo studio
Per affrontare questa sfida i ricercatori hanno analizzato 15.581 isolati batterici provenienti da 9.966 pazienti assistiti tra il 2018 e il 2024 in due ospedali italiani. Utilizzando informazioni già presenti nelle cartelle cliniche e nei sistemi informativi ospedalieri, è stato sviluppato un modello di machine learning capace di generare un vero e proprio ‘antibiogramma digitale’.
Tra gli algoritmi testati il modello XGBoost ha ottenuto i risultati migliori, raggiungendo un’accuratezza superiore al 90% nella previsione della sensibilità dei batteri agli antibiotici. Le prestazioni sono risultate particolarmente elevate per specie batteriche frequentemente coinvolte nelle infezioni ospedaliere, come Pseudomonas aeruginosa, Klebsiella pneumoniae, Escherichia coli e Staphylococcus aureus.
“Questi risultati dimostrano che le informazioni normalmente disponibili nelle cartelle cliniche e nei sistemi informativi ospedalieri, se correttamente utilizzate, possano essere sfruttate per supportare decisioni terapeutiche rapide, efficaci e mirate”, evidenzia il microbiologo Giuseppe Piccinni, co-autore dello studio.
L’aspetto più innovativo riguarda proprio la rapidità. Le metodiche microbiologiche tradizionali richiedono spesso fino a due giorni per definire il profilo completo di sensibilità agli antibiotici. Il nuovo sistema consente invece di formulare una previsione affidabile in tempi molto più brevi, offrendo ai medici un supporto concreto nella scelta della terapia.
Uno strumento di supporto decisionale
“Malgrado la rilevanza dei risultati raccolti, non si deve pensare che l’intelligenza artificiale finirà col sostituire il medico”, sottolinea il coordinatore dello studio, l’oncologo Antonio Facchiano. “Le previsioni generate dai modelli potranno essere ulteriormente migliorate, ma rappresentano uno strumento di supporto decisionale da integrare con l’esperienza clinica e la valutazione complessiva del quadro del paziente”.
Per i ricercatori il prossimo passo sarà validare il modello su popolazioni ancora più ampie. “L’obiettivo finale – conclude Facchiano – è sviluppare sistemi capaci di combinare intelligenza artificiale e microbiologia in tempo reale, per offrire terapie antimicrobiche di precisione e contrastare efficacemente la crescente minaccia dell’antibiotico-resistenza”.