Sanità digitale a 2,7 mld, a Siena il machine learning sul litio

Roma, 9 nov. (aaskanews) - La spesa italiana in sanità digitale ha raggiunto 2,7 miliardi di euro nel 2025, in crescita del 9 per cento, secondo l'Osservatorio Sanità Digitale del Politecnico di Milano. Il 71 per cento delle strutture indica l'intelligenza artificiale fra gli ambiti strategici, mentre le soluzioni di supporto alla diagnosi sono presenti nell'11 per cento. Qui si collocano i modelli predittivi della ricerca clinica, come uno studio dell'Università di Siena sul litio nel disturbo bipolare.Fra i medici specialisti e di medicina generale il 61 per cento ha usato strumenti di intelligenza artificiale generativa nell'ultimo anno, quasi sempre piattaforme generaliste.Lo studio, Utilizing Machine Learning to Forecast 3-Month Remission Outcomes in Bipolar Disorder Patients Treated with Lithium, condotto nel gruppo del professor Andrea Fagiolini, verifica se i dati disponibili all'avvio della terapia con litio consentano di stimare la remissione dei sintomi depressivi dopo tre mesi.Alessandro Cuomo, professore associato di Psichiatria all'Università degli Studi di Siena, osserva sul litio che Le linee guida internazionali continuano a indicarlo tra le opzioni di prima scelta, soprattutto nel mantenimento e nella mania acuta .La difficoltà riguarda la previsione della risposta. Due persone con la stessa diagnosi possono avere decorso, sintomi, condizioni mediche e risposte terapeutiche molto differenti , spiega Cuomo. Da qui l'ipotesi dello studio: Il machine learning prova a verificare se le loro interazioni offrano una stima più accurata di quella ottenibile guardando una variabile alla volta .Secondo gli autori l'analisi retrospettiva ha riguardato 593 pazienti, con dati sociodemografici, clinici, di laboratorio, terapie concomitanti e scale sui sintomi. Sono stati confrontati random forest, XGBoost, rete neurale e support vector machine, con l'80 per cento del campione usato per l'addestramento e il 20 per cento per il test. Resta una validazione interna: tutti i pazienti provengono dalla stessa coorte e il modello deve ancora dimostrare di funzionare in persone reclutate altrove e in un momento successivo , precisa Cuomo.La remissione, definita da un punteggio fino a 10 alla Montgomery sberg Depression Rating Scale, è stata raggiunta dal 44 per cento dei pazienti. Il modello migliore, una random forest con trasformazioni polinomiali, ha ottenuto un'AUC di 0,76 e un'accuratezza di 0,64. Cuomo spiega il primo indicatore: scegliendo a caso una persona in remissione e una senza remissione, il modello assegna un punteggio più alto alla prima in circa 76 confronti su 100 . Sulla soglia aggiunge che questa soglia misura i sintomi depressivi e, da sola, non dimostra eutimia globale, recupero funzionale o stabilità nel lungo periodo .Fra le variabili più informative figurano la gravità iniziale dei sintomi depressivi e maniacali, la creatinina, il TSH, l'indice di massa corporea e l'età. Cuomo introduce una distinzione: Una variabile...