Long Covid: l'intelligenza artificiale lo scopre anche se è nascosto, lo spiega uno studio

L’uso dell’intelligenza artificiale (IA) nel campo della medicina ha portato ad una nuova scoperta sul Long Covid, una sindrome che continua a influenzare molti ex-pazienti di COVID-19 con sintomi persistenti come tosse cronica, affaticamento e difficoltà cognitive.

Come riporta l’agenzia di stampa Adnkronos, uno studio condotto dai ricercatori del Mass General Brigham (la più grande impresa di ricerca ospedaliera degli Stati Uniti) pubblicato sulla rivista specializzata Med, ha sviluppato un algoritmo capace di identificare i casi di Long Covid nascosti tra le cartelle cliniche di migliaia di pazienti, suggerendo una prevalenza più elevata di quanto indicato dalle stime precedenti.

Secondo la ricerca, il 22,8% della popolazione analizzata presenta sintomi di Long Covid, una percentuale che si avvicina a una persona su quattro, ben oltre la stima del 7% riportata da ricerche precedenti. Questo aumento potrebbe rappresentare una stima più accurata dei casi effettivi, rendendo visibile un fenomeno finora sottostimato. L’IA è stata in grado di riconoscere e distinguere i sintomi del Long Covid da altre patologie, utilizzando una tecnica di “fenotipizzazione di precisione” che ha permesso di isolare solo i casi in cui altre diagnosi possibili erano state scartate.
L’algoritmo potrebbe rivoluzionare il processo diagnostico, specialmente nei contesti in cui i pazienti faticano a ottenere diagnosi precise. Oltre a migliorare la diagnosi, l’IA potrebbe anche ridurre le disuguaglianze nell’accesso alle cure per questa sindrome, rendendo visibili le persone che spesso vengono emarginate, come i pazienti con limitato accesso ai servizi sanitari.

"Con questo lavoro potremmo finalmente essere in grado di vedere il Long Covid per quello che è veramente e, cosa ancora più importante, capire come trattarlo”, spiega l’autore dello studio Hossein Estiri, responsabile della ricerca sull'intelligenza artificiale presso il Center for Ai and Biomedical Informatics of the Learning Healthcare System (Caibils) del Mass General Brigham e professore associato di medicina alla Harvard Medical School.

I ricercatori hanno inoltre calcolato che il loro strumento era 'circa il 3% più accurato' rispetto al codice diagnostico ufficiale Icd-10. Codice, quest'ultimo, che fra l'altro tende a intercettare il Long Covid soprattutto nei gruppi di popolazione con un miglior accesso all'assistenza sanitaria, rischiando di discriminare le persone più svantaggiate.