Test del sangue con intelligenza artificiale all’esame della FDA

Con l’Intelligenza artificiale è stato inventato un nuovo modo di rilevare le fluttuazioni dei livelli di potassio nel sangue che i pazienti potrebbero facilmente eseguire a casa senza prelievo di sangue. La soluzione è all’esame della Food and drug administration per l’approvazione.

L’iniziativa per creare un “test del sangue incruento” ha fornito informazioni sul processo di creazione di soluzioni guidate dall’Intelligenza artificiale. Il potassio è essenziale per l’omeostasi elettrica cellulare, e il corpo mantiene i suoi livelli all’interno di una gamma ristretta. Le fluttuazioni possono portare ad aritmie potenzialmente letali e morte improvvisa e possono essere causate dai farmaci che usiamo per curare i pazienti più a rischio per questi cambiamenti: quelli con malattie cardiache o renali.

A causa dell’alto rischio di danni al paziente quando i livelli di potassio sono troppo alti o troppo bassi, i medici sono riluttanti a regolare i farmaci che influenzano i livelli di potassio senza prima effettuare un esame del sangue. Come la prevalenza di malattie cardiache e renali e dei loro fattori di rischio, ipertensione e diabete, crescerà anche la popolazione di pazienti a rischio di concentrazioni anormalmente alte e basse di potassio nel sangue (iper-e ipopotassiemia).

Tradizionalmente, gli esami ematici del potassio hanno richiesto sangue ed erano disponibili solo negli studi medici o negli ospedali – limitazioni significative per la diagnosi precoce e le misure preventive. Quindi l’obiettivo era di creare un test che le persone potessero fare a casa, senza attingere sangue. Il rilevamento precoce di livelli anomali di potassio nel sangue consentirebbe una migliore titolazione dei farmaci, la risoluzione dei problemi prima che si manifestino, la prevenzione dei ricoveri e la riduzione dei costi.

L’intelligenza artificiale e il machine learning hanno offerto la possibilità di sfruttare nel tempo un’enorme quantità di dati clinici che potrebbero poi essere utilizzati per generare un algoritmo informatico automatizzato per il nuovo metodo di test.

Il metodo sviluppato utilizza lo smartphone in combinazione con l’analisi algoritmica delle registrazioni Ecg. Così è stato sviluppato un sistema per collegare gli elettrodi a uno smartphone e acquisire una registrazione Ecg di qualità. Quindi è stato sviluppato un algoritmo che rileva sottili variazioni nella morfologia della forma d’onda dell’Ecg per determinare i livelli sierici di potassio in tempo quasi reale. L’approccio è stato convalidato in una serie di studi clinici che hanno permesso di scoprire che i punteggi di potassio sono strettamente correlati con gli esami ematici seriali prelevati dagli stessi pazienti.

Assemblare un gruppo multidisciplinare. Questo tipo di innovazione richiede un team multidisciplinare di medici, ingegneri hardware e software, coordinatori di studi clinici ed esperti nella commercializzazione di tecnologie mediche. Quello che era iniziato come una partnership tra esperti di elettrofisiologia cardiaca, nefrologia e ipertensione si è rapidamente evoluto fino a includere esperti in It, analisi dei dati e machine learning, con l’emergere della necessità di perfezionare l’algoritmo.

Iniziare con le correlazioni note. Poiché le variazioni dei livelli di potassio nel sangue influenzano l’elettrocardiogramma del paziente, è stato ipotizzato che il segnale elaborato dall’Ecg potrebbe servire come un test non invasivo e facile da applicare se fosse possibile sviluppare un modo per tradurre il segnale Ecg in una misura di una gamma completa di livelli di potassio nel sangue. Gli indicatori Ecg di livelli di potassio molto anomali, che si verificano quando un paziente è vicino all’arresto cardiaco, erano ben noti.

Ma le caratteristiche correlate con i livelli di potassio più vicini o all’interno della gamma normale non lo erano.
Di conseguenza sono stati esaminati i dati di una popolazione di pazienti con livelli di potassio altamente anormali: persone con malattia renale in fase terminale in dialisi. Durante queste sedute di dialisi possono verificarsi drastiche riduzioni del potassio nel giro di poche ore. Questo approccio “supervisionato” ha richiesto che gli esperti valutassero le variazioni delle caratteristiche Ecg relative alle variazioni di potassio durante la dialisi. Ciò ha portato allo sviluppo di stime del potassio basate su Ecg e quindi di algoritmi informatici associati.

Poi si è fatto ricorso ad AliveCor, azienda con sede a Mountain View, California, perché è un’azienda medtech guidata dall’intelligenza artificiale riconosciuta per essere stata la prima a sviluppare un Ecg collegato a smartphone che sfruttava le reti neurali profonde.

Queste reti, progettate per funzionare allo stesso modo di un cervello umano in termini di elaborazione e classificazione delle informazioni, rendono possibile l’apprendimento automatico. Essi prendono decisioni o previsioni con un certo grado di certezza in base ai dati che ricevono. L’idea di base è che la la piattaforma di AliveCor e le reti guidate dall’intelligenza artificiale avrebbero permesso di eseguire il test del potassio facilmente a casa e di scalare la tecnologia, rendendola ampiamente disponibile. (AliveCor ha concesso in licenza la tecnologia). Le reti neurali sviluppate con AliveCor potrebbero esaminare più correlazioni di quante ne possano rilevare gli esseri umani per rilevare i cambiamenti sottili del pattern. L’algoritmo risultante ha superato l’approccio supervisionato, ma non è stato perfetto.

Prestare attenzione ai limiti dell’Intelligenza artificaile. L’apprendimento automatico non è immune da problemi statistici tradizionali, come la ricerca di correlazioni solo a partire da un evento casuale; per ridurre al minimo questi problemi è importante disporre di serie di dati così ampie. E a differenza delle analisi statistiche tradizionali, non sappiamo perché gli algoritmi usati nel machine learning giungano alle loro conclusioni. Di conseguenza, il processo richiede una valutazione e una convalida umane rigorose.

Il machine learning, che finora ha avuto solo applicazioni limitate in medicina, può essere un potente strumento per lo sviluppo di soluzioni affidabili per le esigenze cliniche e dei pazienti insoddisfatti. Tuttavia, per realizzare il potenziale dell’intelligenza artificiale in medicina – e in particolare nelle applicazioni di apprendimento automatico – è necessaria anche la prospettiva umana. Come dimostra lo sviluppo del test per i livelli di potassio nel sangue, richiede esperti in medicina e tecnologia che lavorano insieme per contestualizzare le conclusioni tratte attraverso l’intelligenza artificiale e regolare i sistemi e gli strumenti per una precisione ottimale. L’intelligenza artificiale e l’apprendimento automatico ci hanno guidato, ma le persone hanno alimentato il nostro successo.

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here