Dall’Università di Trieste un assistente di intelligenza artificiale generativa per la gestione clinica dell’epatite C
Tradurre le linee guida internazionali in risposte cliniche chiare, aggiornate e affidabili: è questo l’obiettivo di uno studio internazionale coordinato da Mauro Giuffrè, ricercatore dell’Università di Trieste (Dipartimento di Scienze Mediche, Chirurgiche e della Salute) e della Yale University School of Medicine, che ha portato allo sviluppo di un assistente di intelligenza artificiale generativa dedicato alla gestione dell’epatite C.
Il modello è stato validato direttamente dagli autori delle linee guida dell’European association for the study of the liver easl (Easl) per il trattamento della patologia, rappresentando un unicum nel panorama scientifico internazionale. I risultati della validazione sono stati pubblicati su Liver International.
Ai ed epatite C
L’epatite C, causata dal virus Hcv, è una patologia infettiva che colpisce il fegato e può evolvere in forme croniche severe, come cirrosi e carcinoma epatocellulare. Secondo l’Organizzazione mondiale della sanità, nel mondo convivono con l’infezione cronica circa 58 milioni di persone, con oltre 1,5 milioni di nuovi casi ogni anno.
L’Oms ha fissato l’obiettivo di eliminare l’epatite C come minaccia per la salute pubblica entro il 2030, puntando a una riduzione del 90% delle nuove infezioni e del 65% dei decessi. In questo scenario, strumenti innovativi basati sull’intelligenza artificiale possono svolgere un ruolo chiave nel migliorare l’aderenza alle linee guida e facilitare l’accesso a cure appropriate, anche in contesti con risorse limitate.
Accuratezza clinica oltre il 90%
Nello studio, i ricercatori hanno sviluppato e confrontato due strategie per specializzare GPT-4 nella gestione dell’Hcv. La prima si basa su un sistema di retrieval-augmented generation (Rag), che integra in tempo reale le linee guida europee: sono state testate due varianti, RAG-Top1, che recupera il paragrafo più rilevante, e RAG-Top10, che ne seleziona dieci. La seconda strategia prevede invece un addestramento supervisionato (supervised fine-tuning, Sft) del modello linguistico sui contenuti delle stesse linee guida.
I risultati mostrano un netto miglioramento rispetto al modello GPT-4 standard, che ha ottenuto un’accuratezza del 36,6%. Il modello RAG-Top10 ha raggiunto un’accuratezza del 91,7%, seguito da RAG-Top1 con l’81,7% e dal modello Sft con il 71,7%, confermando l’elevata affidabilità clinica dell’approccio basato sull’integrazione dinamica delle linee guida.
Una validazione inedita
Elemento distintivo dello studio è il rigoroso processo di validazione, finora inedito nella letteratura scientifica. Le risposte generate dall’Ai sono state valutate da due gruppi indipendenti di esperti. Il primo era composto da quattro epatologi di fama internazionale, selezionati tra gli autori principali e i presidenti delle linee guida Easl, ovvero i massimi esperti europei nella definizione degli standard di cura per l’epatite C. Il secondo gruppo includeva epatologi clinici di un centro di riferimento terziario, l’Humanitas Hospital di Rozzano, offrendo una prospettiva complementare tra teoria delle linee guida e pratica clinica quotidiana. Questo approccio ha permesso di ottenere quella che gli stessi ricercatori definiscono “una valutazione che si avvicina al gold standard nella definizione dell’accuratezza degli output”.
Verso l’integrazione dell’Ai in medicina
I risultati aprono prospettive concrete per l’utilizzo dell’intelligenza artificiale nel supporto alle decisioni cliniche. “Sia Rag che Sft migliorano significativamente le prestazioni dei Modelli Linguistici di grandi dimensioni (Llm) nella gestione dell’epatite C attraverso le linee guida, migliorando non solo l’accuratezza e la chiarezza delle risposte, ma anche la selezione dei regimi terapeutici negli scenari clinici” spiegano gli autori.
“Lo studio rappresenta un passo significativo verso quello che gli autori definiscono “l’integrazione sicura dell’intelligenza artificiale generativa nella pratica clinica”, confermando il potenziale di modelli linguistici specializzati e validati da esperti come strumenti concreti di supporto decisionale in medicina, particolarmente preziosi in contesti ad alta complessità come la gestione delle malattie epatiche croniche.
Fonte: aboutpharma.com
