Henry Glyde, uno studente di dottorato presso la facoltà di ingegneria dell’Università di Bristol, ha dimostrato al Congresso europeo di malattie respiratorie ERS 2022, in corso a Barcellona, che l’IA potrebbe essere sfruttata tramite un’app chiamata myCOPD, per prevedere quando i pazienti con broncopneumopatia cronica ostruttiva (BPCO) potrebbero subire una riacutizzazione, anche denominata esacerbazione acuta.
Le riacutizzazioni della BPCO possono essere molto gravi e sono associate ad un aumentato rischio di ospedalizzazione. I sintomi includono mancanza di respiro, tosse e produzione di più catarro (muco).
“Le esacerbazioni acute della BPCO hanno scarsi risultati. Sappiamo che l’identificazione e il trattamento precoci delle riacutizzazioni possono migliorare questi risultati e quindi volevamo determinare la capacità predittiva di un’app per la BPCO ampiamente utilizzata”, ha affermato.
L’app myCOPD è un’app interattiva basata su cloud, sviluppata da pazienti e medici ed è disponibile per l’uso nel servizio sanitario nazionale del Regno Unito. È stato istituito nel 2016 e, finora, ha oltre 15.000 pazienti con BPCO che lo utilizzano per aiutarli a gestire la loro malattia.
I ricercatori hanno raccolto 45.636 record per 183 pazienti tra agosto 2017 e dicembre 2021. Di questi, 45.007 erano record di malattia stabile e 629 erano esacerbazioni. Le previsioni di esacerbazione sono state generate da uno a otto giorni prima di un evento di esacerbazione auto-riferito. Glyde e colleghi hanno utilizzato questi dati per addestrare modelli di intelligenza artificiale sul 70% dei dati e testarli sul 30%.
I pazienti erano "alti impegni", che utilizzavano l'app settimanalmente per mesi o addirittura anni per registrare i loro sintomi e altre informazioni sulla salute, registrare i farmaci, impostare promemoria e avere accesso a informazioni aggiornate sulla salute e sullo stile di vita. I medici possono valutare i dati tramite un dashboard medico, consentendo loro di fornire supervisione, cogestione e monitoraggio remoto.
“Il modello di IA più recente che abbiamo sviluppato ha una sensibilità del 32% e una specificità del 95%. Ciò significa che il modello è molto efficace nel dire ai pazienti quando non stanno per sperimentare un'esacerbazione, il che può aiutarli a evitare trattamenti non necessari. È meno bravo a dirgli quando stanno per sperimentarne uno. Il miglioramento di questo sarà il fulcro della prossima fase della nostra ricerca", ha affermato Glyde.
"Per quanto ne sappiamo, questo studio è il primo del suo genere a modellare i dati del mondo reale da pazienti con BPCO, estratti da un app terapeutica ampiamente utilizzata -ha aggiunto il dottor James Dodd, professore associato in medicina respiratoria presso l'Università di Bristol e capo del progetto,- Di conseguenza, i modelli predittivi di esacerbazione generati da questo studio hanno il potenziale per essere distribuiti a migliaia di altri pazienti con BPCO dopo ulteriori test di sicurezza ed efficacia. Consentirebbe ai pazienti di avere maggiore autonomia e controllo sulla propria salute. Questo è anche un vantaggio significativo per i loro medici in quanto un tale sistema ridurrebbe probabilmente la dipendenza dei pazienti dalle cure primarie. Inoltre, esacerbazioni meglio gestite potrebbero prevenire il ricovero e alleviare il carico sul sistema sanitario. Sono necessari ulteriori studi sul coinvolgimento del paziente per determinare quale livello di accuratezza sia accettabile e come funzionerebbe in pratica un sistema di allerta per le riacutizzazioni. L'introduzione di tecnologie di rilevamento può migliorare ulteriormente il monitoraggio e migliorare le prestazioni predittive dei modelli".
Uno dei limiti dello studio è il numero limitato di utenti dell'app. Il modello attuale richiede che un paziente inserisca un punteggio del test di valutazione della BPCO, compili il diario dei farmaci e quindi riferisca di avere un'esacerbazione accuratamente giorni dopo. Di solito, solo i pazienti che sono molto coinvolti con l'app, utilizzandola quotidianamente o settimanalmente, possono fornire la quantità di dati necessaria per la modellazione dell'IA. Inoltre, poiché ci sono molti più giorni in cui gli utenti sono stabili rispetto a quando hanno una riacutizzazione, c'è uno squilibrio significativo tra i dati disponibili sulla riacutizzazione e sulla non riacutizzazione. Ciò si traduce in un'ulteriore difficoltà nei modelli che predicono correttamente gli eventi dopo l'allenamento su questi dati sbilanciati.
“Una recente collaborazione tra pazienti, medici e operatori sanitari per stabilire le priorità di ricerca sulla BPCO ha rilevato che la domanda più importante era come identificare modi migliori per prevenire le riacutizzazioni. Ci siamo concentrati su questa domanda e lavoreremo a stretto contatto con i pazienti per progettare e implementare il sistema", ha concluso Glyde.
Il presidente dell'ERS Science Council, il professor Chris Brightling, è ricercatore senior del National Institute for Health and Care Research (NIHR) presso l'Università di Leicester, nel Regno Unito, e non è stato coinvolto nella ricerca. Ha commentato: "Questi due studi mostrano il potenziale dell'intelligenza artificiale e delle app su telefoni cellulari e altri dispositivi digitali per fare la differenza nel modo in cui vengono gestite le malattie. La disponibilità di più dati per l'addestramento di questi modelli di intelligenza artificiale, inclusi i gruppi di controllo appropriati, nonché la convalida in più studi, migliorerà la loro accuratezza e affidabilità. La salute digitale che utilizza i modelli di intelligenza artificiale rappresenta un'opportunità entusiasmante ed è probabile che influirà sull'assistenza sanitaria futura".
Antonio Caperna
Abstract no. PA2728, “Exacerbation predictive modelling using real-world data from the myCOPD app”, presented by Henry Glyde, thematic poster “Digital health interventions in respiratory practice”, 13.00-14.00 hrs CEST on Monday 5 September 2022, https://k4.ersnet.org/prod/v2/Front/Program/Session?e=377&session=14775
[3] Data have been updated after the time of abstract submission. Please use the data in this release as they are the most recent.
[4] Research priorities for exacerbations of COPD. The Lancet Respiratory Medicine. 2021;9(8):824–826. DOI: https://doi.org/10.1016/S2213-2600(21)00227-7
