Un modello di intelligenza artificiale ad alta precisione, paragonabile a quella dei pediatri esperti nella diagnosi delle malattie infantili comuni, è stato presentato in un articolo pubblicato online questa settimana su Nature Medicine. Questi risultati forniscono la prova di concetto per l’implementazione di un sistema basato sull’intelligenza artificiale per aiutare i medici ad affrontare grandi quantità di dati, aumentare le valutazioni diagnostiche e fornire un supporto decisionale clinico in caso di incertezza diagnostica.
La complessità delle informazioni mediche
Le informazioni mediche sono diventate sempre più complesse nel tempo. La gamma di malattie, test diagnostici e opzioni di trattamento è aumentata esponenzialmente negli ultimi anni. Come conseguenza, anche il processo decisionale clinico è diventato sempre più complicato.
Kang Zhang e colleghi hanno sviluppato un modello basato sull’intelligenza artificiale che applica un sistema di elaborazione del linguaggio naturale automatizzato, utilizzando tecniche di apprendimento approfondito. Il fine è quello di identificare informazioni clinicamente rilevanti dalle cartelle cliniche elettroniche.
Questo modello può analizzare le cartelle cliniche elettroniche e svelare associazioni che i precedenti metodi statistici non hanno trovato.
In totale, sono stati analizzati 101,6 milioni di punti dati da 1.362.559 visite di pazienti pediatrici presso un centro di riferimento a Guangzhou, in Cina, per addestrare e validare il modello di analisi.
Un alto livello di accuratezza diagnostica
Il modello ha dimostrato un alto livello di accuratezza diagnostica rispetto alle diagnosi iniziali di un medico esaminatore. Ha funzionato particolarmente bene nella diagnosi di due importanti categorie di malattie: condizioni comuni, come l’influenza e l’afta epizootica, e condizioni pericolose o pericolose per la vita, come l’attacco acuto d’asma e la meningite.
Gli autori concludono che questo tipo di modello di intelligenza artificiale può essere utile per ottimizzare la cura del paziente, come ad esempio nel triage dei pazienti, differenziando i pazienti con un comune raffreddore da quelli che hanno bisogno di un intervento urgente per una condizione più grave.
