Un aiuto per identificare i soggetti asmatici a maggior rischio esacerbazioni potrà venire da alcuni modelli predittivi basati sul machine learning

Il riconoscimento e un intervento precoce rappresentano una delle migliori strategie per prevenire le esacerbazioni nell’asma severo. Ma come identificare i soggetti a maggiore rischio? Un aiuto potrebbe venire dai sistemi di machine learning, che stanno trovando sempre maggiore spazio anche in ambito medico.

Una recente review della letteratura, che ha incluso 11 studi (10 retrospettivi e uno prospettico) per un totale di 23 modelli predittivi basati sul machine learning, ha individuato nella regressione logistica, nel boosting e nel random forest le metodologie più usate.

Tra i predittori più importanti si sono invece rilevati i corticosteroidi sistemici, i SABA, gli accessi al pronto soccorso, il numero delle diagnosi di asma, una storia di esacerbazioni, l’etnia, il BMI, la durata di malattia, l’eosinofilia e il fumo. Da notare come parte di questi fattori predittivi di riacutizzazione sia sovrapponibile ai fattori di rischio già identificati dalle linee guida GINA.

Benché l’analisi statistica abbia indicato che modelli predittivi basati sul machine learning potrebbero raggiungere un buon livello di specificità tra soggetti a rischio di esacerbazioni, la loro applicazione nella pratica clinica è ancora limitata: il prossimo passo sarà aumentare l’applicabilità dei modelli in ampi set di dati (> 10.000 partecipanti) e, in parallelo, creare modelli più semplici caratterizzati da pochi predittori facilmente valutabili.