Batticuore

Prevenzione: ce la possiamo fare?

L’apprendimento automatico per le malattie cardiovascolari migliora quando sono inclusi fattori sociali e ambientali.

La ricerca sottolinea la necessità di algoritmi che incorporino dati a livello di comunità, studi che includano popolazioni più diversificate.

Pubblicità e progresso

L’apprendimento automatico può prevedere con precisione le malattie cardiovascolari e guidare il trattamento, ma i modelli che incorporano i determinanti sociali della salute catturano meglio i rischi e i risultati per diversi gruppi, secondo un nuovo studio condotto da ricercatori della School of Global Public Health e della Tandon School of Engineering della New York University. L’articolo, pubblicato sull’American Journal of Preventive Medicine , indica anche le opportunità per migliorare il modo in cui le variabili sociali e ambientali vengono prese in considerazione negli algoritmi di apprendimento automatico.

Le malattie cardiovascolari sono responsabili di quasi un terzo di tutti i decessi nel mondo e colpiscono in modo sproporzionato i gruppi socioeconomici inferiori. L’aumento delle malattie cardiovascolari e dei decessi è attribuito, in parte, alle condizioni sociali e ambientali, note anche come determinanti sociali della salute, che influenzano la dieta e l’esercizio.

“Le malattie cardiovascolari sono in aumento, in particolare nei paesi a basso e medio reddito e tra le comunità di colore in luoghi come gli Stati Uniti”, ha affermato Rumi Chunara, professore associato di biostatistica presso la NYU School of Global Public Health e di informatica e ingegneria presso NYU Tandon School of Engineering, nonché autore senior dello studio. “Poiché questi cambiamenti stanno avvenendo in un periodo di tempo così breve, è risaputo che i nostri mutevoli fattori sociali e ambientali, come l’aumento degli alimenti trasformati, stanno guidando questo cambiamento, al contrario dei fattori genetici che cambierebbero in tempi molto più lunghi .”

L’apprendimento automatico, un tipo di intelligenza artificiale utilizzata per rilevare modelli nei dati, viene rapidamente sviluppato nella ricerca e nella cura cardiovascolare per prevedere il rischio, l’incidenza e gli esiti delle malattie. Già, i metodi statistici sono centrali nella valutazione del rischio di malattie cardiovascolari e nelle linee guida di prevenzione statunitensi. Lo sviluppo di modelli predittivi fornisce agli operatori sanitari informazioni fruibili quantificando il rischio di un paziente e guidando la prescrizione di farmaci o altre misure preventive.

Il rischio di malattie cardiovascolari viene in genere calcolato utilizzando informazioni cliniche, come la pressione sanguigna e i livelli di colesterolo, ma raramente prendono in considerazione i determinanti sociali, come i fattori a livello di quartiere. Chunara e i suoi colleghi hanno cercato di capire meglio come i fattori sociali e ambientali iniziano a essere integrati negli algoritmi di apprendimento automatico per le malattie cardiovascolari: quali fattori vengono considerati, come vengono analizzati e quali metodi migliorano questi modelli.

“I fattori sociali e ambientali hanno interazioni complesse e non lineari con le malattie cardiovascolari”, ha affermato Chunara. “Il machine learning può essere particolarmente utile per catturare queste intricate relazioni”.

I ricercatori hanno analizzato la ricerca esistente sull’apprendimento automatico e il rischio di malattie cardiovascolari, esaminando più di 1.600 articoli e, infine, concentrandosi su 48 studi sottoposti a revisione paritaria pubblicati su riviste tra il 1995 e il 2020.

Hanno scoperto che l’inclusione dei determinanti sociali della salute nei modelli di apprendimento automatico ha migliorato la capacità di prevedere esiti cardiovascolari come riospedalizzazione, insufficienza cardiaca e ictus. Tuttavia, questi modelli in genere non includevano l’elenco completo delle variabili a livello di comunità o ambientali che sono importanti nel rischio di malattie cardiovascolari. Alcuni studi includevano fattori aggiuntivi come reddito, stato civile, isolamento sociale, inquinamento e assicurazione sanitaria, ma solo cinque studi consideravano fattori ambientali come la pedonabilità di una comunità e la disponibilità di risorse come i negozi di alimentari.

I ricercatori hanno anche notato la mancanza di diversità geografica negli studi, poiché la maggior parte ha utilizzato dati provenienti dagli Stati Uniti, dai paesi europei e dalla Cina, trascurando molte parti del mondo che registrano aumenti delle malattie cardiovascolari.

“Se fai solo ricerche in luoghi come gli Stati Uniti o l’Europa, ti perderai il modo in cui i determinanti sociali e altri fattori ambientali legati al rischio cardiovascolare interagiscono in diversi contesti e la conoscenza generata sarà limitata”, ha affermato Chunara.

“Il nostro studio mostra che c’è spazio per incorporare in modo più sistematico e completo i determinanti sociali della salute nei modelli di previsione del rischio statistico delle malattie cardiovascolari”, ha affermato Stephanie Cook, assistente professore di biostatistica presso la NYU School of Global Public Health e autore dello studio. “Negli ultimi anni, c’è stata una crescente enfasi sull’acquisizione di dati sui determinanti sociali della salute – come occupazione, istruzione, cibo e supporto sociale – nelle cartelle cliniche elettroniche, il che crea l’opportunità di utilizzare queste variabili nell’apprendimento automatico. studi e migliorare ulteriormente le prestazioni della previsione del rischio, in particolare per i gruppi vulnerabili”.

“Includere i determinanti sociali della salute nei modelli di apprendimento automatico può aiutarci a districare dove sono radicate le disparità e portare l’attenzione su dove nella struttura del rischio dovremmo intervenire”, ha aggiunto Chunara. “Ad esempio, può migliorare la pratica clinica aiutando gli operatori sanitari a identificare i pazienti che necessitano di riferimento a risorse della comunità come i servizi abitativi e rafforza ampiamente l’intricata sinergia tra la salute degli individui e le nostre risorse ambientali”.