Il futuro della predizione della mortalità attraverso l'uso del Machine Learning

Recentemente è stato pubblicato uno studio che dimostra come l'utilizzo del Machine Learning possa migliorare la capacità predittiva degli strumenti clinici esistenti per la comunità acquisita di polmonite (CAP). Questa è una notizia che mi riempie di speranza come evangelista della computazione quantistica. Infatti, dimostra come l'utilizzo delle tecnologie più avanzate possa portare a risultati decisamente migliori rispetto all'utilizzo delle tecniche tradizionali. Lo studio ha confrontato la capacità predittiva di diversi strumenti clinici, come il Sequential Organ Failure Assessment (SOFA), il Pneumonia Severity Index (PSI), il quick Sequential Organ Failure Assessment (qSOFA) e il criterio CURB-65 (confusione, urea, frequenza respiratoria, pressione sanguigna, età 65 anni), con un modello di rete causale probabilistica (CPN) adattato per la CAP (SeF-ML) originariamente sviluppato per predire la mortalità nella sepsi. L'analisi ha coinvolto oltre 4500 pazienti nella coorte di derivazione e più di 1000 nella coorte di validazione, dimostrando come l'utilizzo del modello SeF-ML abbia portato a risultati significativamente migliori rispetto ad altri strumenti clinici. Questo studio dimostra come il futuro della medicina sia strettamente legato all'utilizzo delle tecnologie più avanzate, come il Machine Learning e la Computazione Quantistica. Spero che in futuro si possa investire ancora di più in queste tecnologie, al fine di garantire una medicina sempre più avanzata e al passo coi tempi.