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.
Non stupisce perciò, in tempi di grandi sfide legate all’intelligenza artificiale e agli strumenti d’avanguardia che l’informatica mette a disposizione, il ricorso all’impiego dell’apprendimento automatico, come una soluzione promettente per migliorare in modo sostanziale la precisione e la tempestività nella diagnosi. In particolare, è stata svolta una revisione sistematica accompagnata da meta-analisi con lo scopo di esplorare le prestazioni degli algoritmi di apprendimento automatico ai fini di prevedere l’epatite virale.
La selezione degli studi
Gli studiosi hanno eseguito una ricerca bibliografica approfondita nei database PubMed, Scopus e Web of Science fino al 15 giugno 2023: al centro, le 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).
82 algoritmi sotto osservazione
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).
Gli algoritmi hanno dimostrato prestazioni superiori
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.
Int J Med Inform. 2023 Nov doi: 10.1016/j.ijmedinf.2023.105243
I nuovi strumenti che la scienza ci mette a disposizione per una medicina predittiva e preventiva
Questo è solo un piccolo esempio delle potenzialità che il progresso della tecnologia consente.
Non va mai dimenticato che in vivo ogni essere vivente è unico. E che la prevenzione è strettamente legata a un’analisi della persona, dei suoi parametri, stili di vita, forme pensiero. Se così non fosse, le coppie di gemelli svilupperebbero le stesse problematiche nella vita e invece così non è: i fattori epigenetici rappresentano il 90% sul totale dei fattori che determinano l’espressione dei nostri geni.
La clinica, oggi, può avere il supporto di Intelligenza Artificiale e bio fisica per scansire l’organismo in maniera profonda e non fallibile.
Ciò significa dotare il medico o il professionista della salute di screening che vanno ben oltre i classici esami clinici, con la possibilità di vagliare in pochi minuti metabolismo, infiammazione, riattivazioni virali, stress cerebrale e decine di altre cose.
SDrive: il test dei fattori epigenetici per una medicina che previene.
L’unione fra bio fisica e intelligenza artificiale ha dato vita a un test che in soli 15 minuti, dal bulbo di tre o quattro capelli, legge l’intero organismo. Vitamine, aminoacidi, minerali, antiossidanti, acidi grassi, metabolismo degli zuccheri, sintesi proteica, idratazione cellulare, virus, batteri e muffe, campi elettromagnetici, sostanze chimiche, oltre che tutti i sistemi del corpo (endocrino, muscolo scheletrico, cerebrale, cardio vascolare, gastro intestinale, adrenergico, immunitario. Perché il capello? E’ il bio il marcatore più potente che abbiamo insieme al liquido seminale.
Il capello archivia tutte le informazioni che la tecnologia SDrive rileva e decodifica velocemente grazie alla IA.
