Intelligenza artificiale
Protocolli di Emergenza Obsoleti Pronti per essere Modernizzati dal Machine Learning
New dati dell’Università di Osaka hanno dimostrato che le capacità in rapida crescita del machine learning possono ora estendersi alle situazioni di emergenza. Un team di ricercatori ha dimostrato che la tecnologia può ora assistere efficacemente nell’individuare i candidati appropriati per l’Acido Tranexamico, riducendo i tassi di mortalità tra i pazienti traumatizzati.
Che cos’è l’Acido Tranexamico (TXA)?
La maggior parte dei farmaci è semplicemente un trattamento per qualche tipo di condizione. Alcuni, tuttavia, possono essere davvero salvavita. Uno di questi è l’Acido Tranexamico, o ‘TXA’. Nel suo livello più semplice, il TXA viene somministrato ai pazienti per fermare un’emorragia estesa, tipicamente derivante da qualche tipo di trauma.
Guardando più in profondità, il TXA agisce riducendo e prevenendo ulteriori sanguinamenti promuovendo la formazione di coaguli all’interno del corpo. Lo ottiene impedendo la formazione di un enzima noto come plasmina, che rompe la proteina essenziale per la coagulazione – la fibrina.
Normalmente, la presenza di plasmina è positiva, poiché previene la coagulazione eccessiva e una serie di patologie (ad esempio, ictus, embolia polmonare, trombosi venosa profonda, infarto miocardico, ecc.) che potrebbero derivarne. Tuttavia, in una situazione di emergenza in cui è necessario controllare l’emorragia, la capacità del TXA di impedire la sua formazione è fondamentale.
Salvare Vite nelle Situazioni di Emergenza con il Machine Learning
Che sia un paramedico in prima linea che lavora per stabilizzare un paziente sul retro di un’ambulanza in movimento, o un infermiere che collabora con un team di professionisti sanitari in pronto soccorso, il TXA rimane uno strumento importante per gestire sanguinamenti incontrollati derivanti da trauma. È importante riconoscere, però, che il TXA non è appropriato per ogni paziente, poiché è spesso accompagnato da effetti collaterali seri, rendendo la decisione della sua somministrazione difficile.
Riconoscendo che il TXA non è universalmente benefico a causa dei potenziali effetti collaterali, lo studio sopra menzionato si è concentrato sull’identificazione di specifici sottogruppi di pazienti traumatizzati che probabilmente trarrebbero beneficio dal trattamento con TXA. In futuro, questa capacità di identificare i candidati potrebbe svolgere un ruolo importante nella modernizzazione dei protocolli esistenti per determinare l’idoneità alla somministrazione.
Utilizzando tecniche di machine learning, i ricercatori hanno analizzato i dati di oltre 50.000 pazienti presenti nel Japan Trauma Data Bank per identificare otto distinti fenotipi di trauma (raggruppamenti basati su caratteristiche osservabili). Hanno poi esaminato l’impatto del TXA su questi fenotipi rispetto alla mortalità ospedaliera. I risultati hanno rivelato che alcuni sottogruppi hanno mostrato una significativa riduzione della mortalità quando trattati con TXA, mentre altri non hanno beneficiato.
Lo studio sottolinea le diverse presentazioni dei pazienti traumatizzati, le cui lesioni variano ampiamente per tipo e gravità, rendendo difficile prevedere l’efficacia del trattamento a livello individuale. L’obiettivo di questa ricerca è migliorare l’assistenza personalizzata per i pazienti traumatizzati, migliorando così la qualità complessiva delle cure e i tassi di sopravvivenza in questa popolazione ad alto rischio. Questo approccio al trattamento specifico per il paziente potrebbe portare a un uso più efficace del TXA nella cura dei traumi, riducendo gli effetti collaterali inutili e ottimizzando i risultati – tutto grazie al machine learning.
Machine Learning: Un Catalizzatore Centrale Attraverso Tecnologie Disruptive
Questo studio è l’ultimo di una crescente serie di esempi che evidenziano come sottoinsiemi dell’intelligenza artificiale, come il machine learning, possano eccellere come catalizzatore centrale o ‘tecnologia di base’ in quasi tutti i settori – una constatazione sottolineata nel ‘Big Ideas 2024’ di Ark Invest.
Gran parte di ciò è attribuito alla capacità dell’IA di elaborare e riconoscere schemi all’interno di enormi quantità di dati. Può farlo più efficientemente di qualsiasi umano e sta progredendo sempre più rapidamente.
Specialisti del Machine Learning
Sebbene possa volerci del tempo prima che il machine learning venga utilizzato per determinare se a un paziente somministrare il TXA, ci sono già diverse aziende che lavorano per sviluppare ulteriormente la tecnologia. In effetti, alcune hanno già iniziato a integrarla in altri aspetti dell’assistenza sanitaria altrettanto importanti.
*Le cifre fornite di seguito erano accurate al momento della stesura e sono soggette a variazioni. Qualsiasi potenziale investitore dovrebbe verificare i dati*
1. NVIDIA
(NVDA
)
(NVDA )
| Capitalizzazione di mercato | P/E previsto 1 anno | Utile per azione (EPS) |
| 2,179,359,750,000 | 38.31 | $11.94 |
NVIDIA è stata in prima linea nello sviluppo dell’IA, sfruttando la sua potente tecnologia GPU per far progredire vari settori, inclusa la sanità. In ambito sanitario, le piattaforme IA di NVIDIA sono utilizzate per accelerare la scoperta di farmaci, l’imaging medico e l’analisi genetica. Ad esempio, le loro GPU consentono una più rapida elaborazione di grandi set di dati per compiti come la diagnostica per immagini, aiutando a identificare le malattie da radiografie e risonanze magnetiche con maggiore precisione e velocità.
NVIDIA collabora con istituzioni di ricerca e organizzazioni sanitarie per sviluppare strumenti IA che prevedono le malattie, migliorano i risultati dei pazienti e riducono i costi sanitari. Attraverso queste iniziative, NVIDIA potenzia le applicazioni sanitarie esistenti e apre nuove strade per diagnosticare e trattare le malattie sfruttando la potenza dell’IA.
Al momento della stesura, NVDA era indicata dalla maggior parte degli analisti come un ‘Acquisto Forte’
2. Powerful Medical
Il prodotto/servizio di punta di Powerful Medical è noto come PMCardio. È una piattaforma progettata per assistere i professionisti sanitari nell’analisi, interpretazione, diagnosi e trattamento degli eventi cardiaci.
Utilizza il machine learning per analizzare gli ECG e confrontarli con un vasto database di cartelle cliniche dei pazienti. Questo consente a PMCardio di rilevare infarti miocardici, noti anche come ‘attacchi di cuore’, e altre anomalie in modo accurato e rapido.
La piattaforma si distingue per la capacità di fornire diagnosi precise al primo contatto, fondamentale per un intervento tempestivo nelle emergenze cardiovascolari. La tecnologia di PMCardio è particolarmente significativa perché aiuta a colmare la lacuna critica nella rilevazione di condizioni cardiache che potrebbero non essere evidenti con i metodi diagnostici tradizionali.
Integrando l’IA nelle sue operazioni, PMCardio offre ai professionisti sanitari uno strumento potente che migliora il coordinamento delle cure, semplifica il processo di triage e garantisce una rilevazione precoce e accurata di eventi cardiaci potenzialmente letali. Questo progresso nella tecnologia medica evidenzia il potenziale dell’IA di rivoluzionare il campo della diagnostica cardiovascolare migliorando la capacità di prevedere e trattare efficacemente le malattie cardiache.
Già il 1° marzo 2024, PMCardio è riuscita a ottenere un finanziamento di €7,5 M dal European Innovation Council per continuare a sviluppare i suoi strumenti diagnostici basati sull’IA, dimostrando il suo potenziale nel mitigare una delle principali cause di morte nel mondo.
