L’intelligenza artificiale come strumento predittivo per supportare la definizione dell’alimentazione nei neonati prematuri.
Lo studio
È questo il presupposto alla base di uno studio innovativo, pubblicato di recente sul Journal of Perinatology frutto del lavoro congiunto di ricercatrici della Fondazione Irccs San Gerardo dei Tintori di Monza (hanno partecipato le neonatologhe Maria Luisa Ventura, Valentina Bozzetti, Valeria Cavalleri, Lucia Iozzi con le ingegnere Emanuela Zannin e Paola Coglianese) e del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano (hanno contribuito la professoressa Simona Ferrante con le ingegnere Linda Greta Dui e Silvia Riccò).
Il lavoro affronta uno dei momenti più delicati nella cura del neonato altamente pretermine: il passaggio dall’alimentazione per via endovenosa (parenterale) a quella per via orale (enterale), una fase di «transizione nutrizionale» estremamente cruciale per crescita e sviluppo, che oggi viene gestita senza approcci standardizzati supportati da evidenze scientifiche robuste e in cui un apporto di nutrienti eccessivo, insufficiente o sbilanciato può determinare complicazioni e contribuire a un rallentamento della crescita extrauterina.
I risultati mostrano che un adeguato apporto di proteine e lipidi già nei primi giorni di vita, insieme al tasso di crescita nella prima settimana, rappresentano elementi chiave per predire l’EUGR. Un contributo rilevante dello studio è stata inoltre la suddivisione dei pazienti in base a diversi profili di prematurità: è emerso infatti come i fabbisogni e gli apporti nutrizionali differiscano nei vari gruppi, aprendo la strada a una maggiore personalizzazione delle cure.
Le analisi
«Nei neonati grandi prematuri la crescita non è solo un indicatore numerico: un rallentamento della crescita extrauterina può avere conseguenze che si estendono nel tempo, con possibili ricadute anche sullo sviluppo neurocognitivo – spiega Bozzetti – Per questo studiare la transizione nutrizionale significa puntare non solo a “far crescere di più”, ma a sostenere la qualità complessiva dello sviluppo. Per farlo, però, serve riuscire a leggere davvero ciò che accade nei giorni più delicati della vita, quando ogni scelta può fare la differenza».
«È qui che entra in gioco la forza dei dati: in questo lavoro abbiamo potuto attingere a un vero e proprio “mare di dati” – sottolinea Maria Luisa Ventura – Oltre mille cartelle cliniche elettroniche di neonati grandi prematuri seguiti in un unico centro, ciascuna ricchissima di informazioni cliniche e nutrizionali. Mettere questo patrimonio nelle mani dell’intelligenza artificiale significa poter affrontare una complessità che gli studi tradizionali non riescono a catturare con la stessa profondità».
Simona Ferrante ha aggiunto che «l’intelligenza artificiale permette di integrare grandi volumi di dati clinici eterogenei e di trasformarli in strumenti utili per la ricerca e, progressivamente, per supportare le decisioni cliniche. Il valore nasce dall’incontro tra competenze: da un lato la solidità metodologica e la capacità di leggere la complessità dei dati, dall’altro la conoscenza clinica che dà senso ai numeri e orienta le domande giuste. È così che i modelli diventano non solo accurati, ma anche interpretabili e potenzialmente trasferibili nella pratica».
Infine Linda Greta Dui ha sottolineato come «in questo studio abbiamo tradotto questa integrazione in modelli capaci di predire l’EUGR durante la transizione nutrizionale, riconoscendo pattern e combinazioni di variabili clinico-nutrizionali che aiutano a descrivere in modo più preciso una fase particolarmente critica. L’obiettivo non è sostituire il giudizio clinico, ma offrire uno strumento in più per anticipare i bisogni del singolo paziente e orientare strategie sempre più personalizzate, calibrate sui diversi profili di gravità della prematurità».