Introduzione Le infezioni correlate all’assistenza (ICA) hanno un significativo impatto su morbilità, mortalità e qualità di vita dei pazienti e rappresentano un importante problema di Sanità Pubblica. L’utilizzo di sistemi basati sull’Intelligenza Artificiale (AI) può supportare la diagnosi e il controllo delle ICA a livello ospedaliero. Tuttavia, l’efficacia di tali strumenti rimane incerta. L’obiettivo del presente studio, che aggiorna una precedente revisione sistematica (2020), è quello di indagare la performance dell’AI quando impiegata per la sorveglianza, la rilevazione e il controllo delle ICA. Metodi Il protocollo di studio è stato registrato su PROSPERO (ID:CRD42024513145). Una revisione sistematica è stata condotta secondo i criteri delle linee guida PRISMA 2020. Le seguenti banche dati sono state consultate: PubMed, Embase, Scopus e Web of Science. Sono stati inclusi solo studi sperimentali e osservazionali in lingua inglese che descrivono l’utilizzo di uno o più sistemi basati sull’IA per la rilevazione e il controllo delle ICA. Sono stati inclusi, inoltre, solo gli studi contenenti misure di quantificazione della performance dei sistemi utilizzati espresse in termini di sensibilità, specificità, valore predittivo positivo (VPP), valore predittivo negativo (VPN), area sotto la curva ROC (AUROC), accuratezza, F1 score o altre misure di performance. Risultati In seguito alla rimozione dei duplicati, 4.489 articoli sono stati identificati. Di questi, 488 sono stati inclusi in seguito a screening per titolo e abstract. Lo screening dei full‑text è ancora in corso. I risultati preliminari mostrano che le ICA più frequentemente indagate sono: infezioni del tratto urinario, infezioni del sito chirurgico, sepsi, polmonite associata a ventilazione meccanica, infezioni da Clostridium difficile. Nel complesso, abbiamo osservato un utilizzo eterogeneo di sistemi basati su IA, tra cui Artificial Neural Network, Deep Neural Network e Natural Language Processing. Conclusioni Il significativo aumento del numero complessivo di pubblicazioni rispetto alla revisione sistematica condotta nel 2020 testimonia il crescente interesse per l’applicazione dell’IA nei sistemi di rilevamento e controllo delle ICA. L’eterogeneità osservata in termini di disegno di studio, ICA sorvegliate, modelli di IA, contesti sanitari e fonti di dati evidenzia la necessità di una standardizzazione delle metodologie e dei processi di validazione delle metodiche impiegate al fine di garantire una maggiore comparabilità tra gli studi. Complessivamente, i sistemi basati sull’IA mostrano performance promettenti nel campo della sorveglianza, della diagnosi e del controllo delle ICA ospedaliere.
Strumenti di intelligenza artificiale per la diagnosi e il controllo delle infezioni correlate all’assistenza: una revisione sistematica
GUGLIELMO ARZILLI;LUIGI DE ANGELIS;FRANCESCO BAGLIVO;CATERINA RIZZO;
2024-01-01
Abstract
Introduzione Le infezioni correlate all’assistenza (ICA) hanno un significativo impatto su morbilità, mortalità e qualità di vita dei pazienti e rappresentano un importante problema di Sanità Pubblica. L’utilizzo di sistemi basati sull’Intelligenza Artificiale (AI) può supportare la diagnosi e il controllo delle ICA a livello ospedaliero. Tuttavia, l’efficacia di tali strumenti rimane incerta. L’obiettivo del presente studio, che aggiorna una precedente revisione sistematica (2020), è quello di indagare la performance dell’AI quando impiegata per la sorveglianza, la rilevazione e il controllo delle ICA. Metodi Il protocollo di studio è stato registrato su PROSPERO (ID:CRD42024513145). Una revisione sistematica è stata condotta secondo i criteri delle linee guida PRISMA 2020. Le seguenti banche dati sono state consultate: PubMed, Embase, Scopus e Web of Science. Sono stati inclusi solo studi sperimentali e osservazionali in lingua inglese che descrivono l’utilizzo di uno o più sistemi basati sull’IA per la rilevazione e il controllo delle ICA. Sono stati inclusi, inoltre, solo gli studi contenenti misure di quantificazione della performance dei sistemi utilizzati espresse in termini di sensibilità, specificità, valore predittivo positivo (VPP), valore predittivo negativo (VPN), area sotto la curva ROC (AUROC), accuratezza, F1 score o altre misure di performance. Risultati In seguito alla rimozione dei duplicati, 4.489 articoli sono stati identificati. Di questi, 488 sono stati inclusi in seguito a screening per titolo e abstract. Lo screening dei full‑text è ancora in corso. I risultati preliminari mostrano che le ICA più frequentemente indagate sono: infezioni del tratto urinario, infezioni del sito chirurgico, sepsi, polmonite associata a ventilazione meccanica, infezioni da Clostridium difficile. Nel complesso, abbiamo osservato un utilizzo eterogeneo di sistemi basati su IA, tra cui Artificial Neural Network, Deep Neural Network e Natural Language Processing. Conclusioni Il significativo aumento del numero complessivo di pubblicazioni rispetto alla revisione sistematica condotta nel 2020 testimonia il crescente interesse per l’applicazione dell’IA nei sistemi di rilevamento e controllo delle ICA. L’eterogeneità osservata in termini di disegno di studio, ICA sorvegliate, modelli di IA, contesti sanitari e fonti di dati evidenzia la necessità di una standardizzazione delle metodologie e dei processi di validazione delle metodiche impiegate al fine di garantire una maggiore comparabilità tra gli studi. Complessivamente, i sistemi basati sull’IA mostrano performance promettenti nel campo della sorveglianza, della diagnosi e del controllo delle ICA ospedaliere.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
