Notizie del 3 luglio 2022

Il tuo corpo ha un orologio interno che determina quando mangi, dormi e potresti avere un infarto, tutto in base all’ora del giorno

Chiunque abbia sofferto di jet lag o abbia lottato dopo aver spostato l’orologio avanti o indietro di un’ora per l’ora legale sa tutto su ciò che i ricercatori chiamano il tuo orologio biologico , o ritmo circadiano, il “pacemaker principale” che sincronizza il modo in cui il tuo corpo risponde al passare da un giorno all’altro.

Questo “orologio” è composto da circa 20.000 neuroni nell’ipotalamo , l’ area vicino al centro del cervello che coordina le funzioni inconsce del tuo corpo, come la respirazione e la pressione sanguigna. Gli esseri umani non sono gli unici esseri ad avere un sistema di orologio interno: tutti i vertebrati – o mammiferi, uccelli, rettili, anfibi e pesci – hanno orologi biologici, così come piante, funghi e batteri. Gli orologi biologici sono il motivo per cui i gatti sono più attivi all’alba e al tramonto e perché i fiori sbocciano in determinate ore del giorno.

Anche i ritmi circadiani sono essenziali per la salute e il benessere. Governano i cambiamenti fisici, mentali e comportamentali del tuo corpo in ogni ciclo di 24 ore in risposta a segnali ambientali come luce e cibo. Sono perché di più infarti e gli ictus si verificano al mattino presto. Sono anche il motivo per cui i topi a cui mancano i loro orologi biologici invecchiano più velocemente e hanno una durata della vita più breve, e le persone con una mutazione nei loro geni dell’orologio circadiano hanno schemi di sonno anormali. Il disallineamento cronico del ritmo circadiano con segnali esterni, come si vede nei lavoratori notturni , può portare a un’ampia gamma di disturbi fisici e mentali, tra cui obesità, diabete di tipo 2, cancro e malattia cardiovascolare.

In breve, ci sono ampie prove che il tuo orologio biologico è fondamentale per la tua salute. E i cronobiologi come me stanno studiando come il ciclo giorno-notte influisce sul tuo corpo per capire meglio come puoi modificare i tuoi comportamenti per usare il tuo orologio interno a tuo vantaggio.

Come i ritmi biologici influenzano la tua salute

Il tuo orologio biologico influisce sulla tua salute regolando i tuoi cicli sonno-veglia e le fluttuazioni della pressione sanguigna e della temperatura corporea. Lo fa principalmente sincronizzando il tuo sistema endocrino con i cicli luce-buio ambientali in modo che alcuni ormoni vengano rilasciati in determinate quantità in determinate ore del giorno.

La grande pineale nel cervello, ad esempio, produce melatonina , un ormone che aiuta a regolare il sonno in risposta all’oscurità. I medici consigliano di ridurre l’esposizione alla luce blu artificiale dai dispositivi elettronici prima di coricarsi perché può interrompere la secrezione di melatonina e la qualità del sonno.

Il tuo ritmo circadiano influisce anche sul tuo metabolismo. Tra le altre cose, il sonno aiuta a regolare la leptina , un ormone che controlla l’appetito. I tuoi livelli di leptina fluttuano durante il giorno secondo un ritmo stabilito dal tuo orologio circadiano. Un sonno insufficiente o irregolare può interrompere la produzione di leptina , che può renderci più affamati e portare ad un aumento di peso.

Negli ultimi anni, i ricercatori hanno scoperto ancora più modi in cui il tuo orologio circadiano può influenzare la tua salute. Ad esempio, ora ci sono ricerche che suggeriscono che mangiare a orari prestabiliti della giornata, o un’alimentazione a tempo limitato , può prevenire l’obesità e le malattie metaboliche. La depressione e altri disturbi dell’umore possono anche essere collegati a un controllo circadiano disfunzionale che porta a cambiamenti nel modo in cui i tuoi geni vengono espressi.

Anche l’ora del giorno in cui prendi il medicinale può influire sulla sua efficacia e sulla gravità degli eventuali effetti collaterali. Allo stesso modo, il tuo orologio biologico è un potenziale bersaglio per le chemioterapie contro il cancro e i trattamenti contro l’obesità.

E infine, anche la tua personalità potrebbe essere modellata dal fatto che il tuo orologio interno ti renda una “persona mattutina” o una “persona notturna”.

Ottenere il massimo dall’esercizio

Gli orologi circadiani forniscono anche una potenziale risposta a quando è il momento migliore della giornata per massimizzare i benefici dell’esercizio fisico.

Per studiarlo, io e i miei colleghi abbiamo raccolto campioni di sangue e tessuti da cervello, cuore, muscoli, fegato e grasso di topi che si esercitavano prima di colazione al mattino presto o dopo cena a tarda sera. Abbiamo utilizzato uno strumento chiamato spettrometro di massa per rilevare da 600 a 900 molecole circa prodotte da ciascun organo. Questi metaboliti sono serviti come istantanee in tempo reale di come i topi hanno risposto all’esercizio in determinati momenti della giornata.

Abbiamo unito queste istantanee per creare una mappa di come l’esercizio al mattino rispetto alla sera ha influenzato ciascuno dei diversi sistemi di organi dei topi, quello che abbiamo chiamato un atlante del metabolismo dell’esercizio .

Usando questo atlante, abbiamo visto che l’ora del giorno influenza il modo in cui ogni organo utilizza l’energia durante l’esercizio. Ad esempio, abbiamo scoperto che l’esercizio mattutino riduceva i livelli di glucosio nel sangue più dell’esercizio a tarda sera. L’esercizio fisico a tarda sera, tuttavia, ha permesso ai topi di beneficiare dell’energia immagazzinata dai pasti e ha aumentato la loro resistenza.

Naturalmente, i topi e gli esseri umani hanno molte differenze insieme alle loro somiglianze. Per uno, i topi sono più attivi di notte che durante il giorno. Tuttavia, riteniamo che i nostri risultati potrebbero aiutare i ricercatori a capire meglio come l’esercizio fisico influisce sulla tua salute e, se programmato in modo appropriato, può essere ottimizzato in base all’ora del giorno per raggiungere i tuoi obiettivi di salute personali.

Andare d’accordo con il tuo orologio biologico

Credo che il campo della cronobiologia stia crescendo e produrremo ancora più ricerca fornendo applicazioni pratiche e approfondimenti sulla salute e il benessere in futuro.

Nel mio lavoro , ad esempio, una migliore comprensione di come l’esercizio fisico in diversi momenti della giornata influisca sul tuo corpo potrebbe aiutare a personalizzare i piani di esercizio per massimizzare i benefici specifici per i pazienti con obesità, diabete di tipo 2 e altre malattie.

C’è ancora molto da imparare su come funziona il tuo orologio circadiano. Ma nel frattempo, ci sono alcuni modi provati e veritieri che le persone possono sincronizzare i loro orologi interni per una migliore salute. Questi includono l’esposizione regolare alla luce solare per attivare il sistema endocrino a produrre vitamina D, rimanere attivi durante il giorno in modo da addormentarsi più facilmente di notte ed evitare la caffeina e ridurre l’esposizione alla luce artificiale prima di coricarsi.

Shogo Sato riceve finanziamenti dalla Brain & Behavioral Research Foundation (NARSAD Young Investigator Grant, 28681) e fondi di avviamento dalla Texas A&M University.

I vaccini COVID funzionano bene per le persone di qualsiasi peso corporeo, ma il sottopeso e l’obesità rimangono fattori di rischio per malattie gravi

Dall’inizio della pandemia, più di 6 milioni di persone sono morte a causa del COVID in tutto il mondo. La buona notizia è che ora abbiamo un’ampia gamma di trattamenti e vaccini altamente efficaci che hanno contribuito a ridurre il numero di casi gravi di COVID.

Tuttavia, alcune persone hanno maggiori probabilità di ammalarsi gravemente o morire di COVID rispetto ad altre. La nostra ricerca, condotta prima che i vaccini diventassero disponibili, lo ha dimostrato, l’obesità è uno dei fattori che aumenta il rischio di una persona di essere ricoverata in ospedale o morire per COVID. Ora abbiamo seguito questo con un nuovo studio che esamina come il peso corporeo influenza l’assorbimento e l’efficacia dei vaccini COVID e abbiamo scoperto che essere sottopeso può anche essere un fattore di rischio per malattie gravi.

L’obesità viene misurata utilizzando l’ indice di massa corporea (BMI). Questo viene calcolato dividendo il peso di una persona in chilogrammi per la sua altezza in metri al quadrato. Una persona con un BMI inferiore a 18,5 è considerata sottopeso, nell’intervallo 18,5-25 è considerato peso sano, superiore a 25 è considerato sovrappeso e superiore a 30 è considerato obeso.

Questi primi risultati sulle persone più a rischio sono stati utilizzati per supportare politiche che davano priorità a determinati gruppi di persone per la vaccinazione. Ciò includeva le persone con un BMI di 40 o superiore .

Altre ricerche precedenti alla pandemia di COVID hanno dimostrato che le persone con obesità hanno meno probabilità di assumere vaccini contro l’influenza stagionale. Ci sono anche prove che suggeriscono che alcuni vaccini funzionano meno bene nelle persone con obesità, anche se non comprendiamo appieno le ragioni di ciò.

Cosa abbiamo fatto

Nel nostro nuovo studio, pubblicato su The Lancet Diabetes & Endocrinology, abbiamo utilizzato cartelle cliniche anonime di oltre 9 milioni di persone di età pari o superiore a 18 anni in Inghilterra. I nostri dati hanno coperto il periodo dall’8 dicembre 2020 (data in cui è stato somministrato il primo vaccino contro il COVID nel Regno Unito) fino al 17 novembre 2021. Durante questo periodo, 566.461 persone su 9 milioni sono risultate positive al COVID, di cui 32.808 sono state ricoverate in ospedale e 14.389 sono morti.

Per studiare l’efficacia del vaccino su diversi pesi corporei, abbiamo esaminato il rischio di gravi esiti di COVID (come ospedalizzazione e morte) nell’intero intervallo di BMI. All’interno dei gruppi di BMI, abbiamo confrontato le persone vaccinate con persone della stessa età, sesso e altre caratteristiche che non erano state vaccinate.

Abbiamo scoperto che i vaccini COVID erano altamente efficaci contro esiti gravi in ??tutte le categorie di BMI, specialmente dopo la seconda e la terza dose. Dopo la seconda dose, le persone vaccinate in gruppi di peso sano, sovrappeso o obesità avevano quasi il 70% in meno di probabilità di essere ricoverate in ospedale a causa del COVID rispetto alle loro controparti non vaccinate. Allo stesso modo, le persone vaccinate nei gruppi di peso sano, sovrappeso e obesità avevano circa il 60% -74% in meno di probabilità di morire per COVID rispetto alle persone non vaccinate con lo stesso BMI.

I nostri risultati indicano che i vaccini COVID possono essere leggermente meno efficaci nelle persone sottopeso. Le persone vaccinate che erano sottopeso avevano circa il 50% in meno di probabilità di essere ricoverate in ospedale e circa il 40% in meno di probabilità di morire rispetto alle loro controparti non vaccinate. Naturalmente, questo rappresenta ancora un buon livello di protezione.

Le persone sottopeso avevano anche meno probabilità di essere vaccinate in prima istanza, e questo era vero in tutte le fasce d’età. La percentuale di persone completamente vaccinate era più alta tra le persone in sovrappeso e obese. Nel nostro studio, vaccinarsi completamente significava aver ricevuto due o tre dosi, poiché non tutti erano ancora idonei per un richiamo alla fine del nostro periodo di studio.

Adozione della vaccinazione per età e BMI

Abbiamo anche esaminato il rischio di gravi esiti di COVID solo tra le persone che erano state vaccinate con almeno una dose. Sebbene la vaccinazione abbia ridotto notevolmente la probabilità di una grave COVID, le persone sottopeso e quelle con obesità sono rimaste a maggior rischio di ricovero o morte per COVID rispetto alle persone di peso sano. Questo era anche il caso prima che venissero lanciati i vaccini.

Rischio di ricovero per COVID e morte dopo due dosi di vaccino da BMI

Le associazioni sono diventate meno significative tra coloro che avevano ricevuto una terza dose. Ma poiché solo un numero limitato di persone era idoneo per la terza dose entro la fine del periodo di studio, avremo bisogno di ulteriori ricerche per comprendere meglio l’effetto dei booster.

I dati, inoltre, non ci hanno permesso di esplorare eventuali differenze tra i diversi vaccini COVID o di valutare l’influenza di diverse varianti di COVID.

Le persone che hanno due dosi di un vaccino COVID ricevono un alto livello di protezione contro esiti gravi, indipendentemente dal loro peso corporeo. Data la leggera riduzione dell’efficacia del vaccino nelle persone sottopeso, potrebbero essere necessari sforzi mirati in questo gruppo per aumentare l’assorbimento del vaccino.

Anche se gli esiti gravi erano molto più rari dopo la vaccinazione, le persone nei gruppi sottopeso e obesi erano a rischio significativamente più elevato rispetto alle persone di peso sano.

Le strategie di salute pubblica per aiutare le persone a raggiungere e mantenere un peso sano hanno molti vantaggi. Uno importante potrebbe essere quello di aiutare a ridurre il carico di COVID grave.

Nerys M Astbury attualmente riceve finanziamenti dal NIHR Biomedical Research Center Oxford, NIHR School of Primary Care Research, Diabetes Research and Wellness Foundation & Diabetes UK ed è attualmente eletto come fiduciario dell’Association for the Study of Obesity (ASO).

Carmen Piernas ha ricevuto finanziamenti dalle NIHR Applied Research Collaborations – Oxford (UK) durante lo svolgimento di questo studio. Attualmente è una borsa di studio Ramon y Cajal presso l’Università di Granada (Spagna), finanziata dal Piano statale spagnolo per la ricerca scientifica e tecnica e l’innovazione 2017-2020 (RYC2020-028818-I). Questo studio è stato sostenuto da Health Data Research UK (HDRUK) in collaborazione con l’Office for National Statistics e finanziato da UK Research and Innovation. È stato anche supportato dal NIHR Oxford Biomedical Research Center (BRC) e dal NIHR Oxford e dalla Thames Valley Applied Research Collaboration.

L’Intelligenza Artificiale (AI) probabilmente non sarà mai in grado di adottare la confortante “modalità al capezzale” per cui sono noti i bravi medici, ma potrebbe essere meglio equipaggiata per diagnosticare accuratamente i tuoi disturbi.

Machine Learning (ML) è una suddivisione dell’IA. ML è il sistema per “addestrare” i computer fornendo loro grandi quantità di dati e immagini e programmandoli per rilevare i segni di un potenziale pericolo, come le cellule dannose mostrate in una scansione.

Già ampiamente utilizzata nei campi della patologia e dell’oncologia, la diagnosi di ML ha dimostrato di avere livelli di accuratezza paragonabili a quelli di medici esperti. In alcuni studi, è stato persino dimostrato che la ML supera la capacità degli esseri umani di diagnosticare correttamente le malattie.

“Esistono molti usi diversi dell’IA”, afferma Ali Hashemi, presidente e co-fondatore del GluCare Integrated Diabetes Center di Dubai. “La chiave è come mettere insieme tutto in un modo che abbia senso e fornire informazioni fruibili sia al team di assistenza che al medico. L’intelligenza artificiale non è l’endpoint. È uno strumento nel tuo kit di strumenti. Ciò che conta è il modo in cui utilizzare questi strumenti per ottenere informazioni utili per medici e pazienti”.

Sia comune che pericoloso, il diabete è una malattia metabolica che causa glicemia alta. Livelli elevati di zucchero nel sangue non trattati e sostenuti dal diabete possono danneggiare il sistema nervoso, gli occhi e gli organi, più tipicamente i reni. Oggi, i dispositivi di intelligenza artificiale indossabili come i monitor indossabili abilitati wireless come Fitbit aiutano i pazienti a monitorare i livelli di zucchero nel sangue.

Il sistema di monitoraggio del glucosio flash FreeStyle Libre 2, attualmente rilasciato ai diabetici dal Servizio sanitario nazionale (NHS) nel Regno Unito, è un esempio di dispositivo di monitoraggio continuo del glucosio (CGM) che emette allarmi in tempo reale a chi lo indossa quando i livelli di zucchero stanno per cadere o aumentare.

“La gamma di dati biometrici o biomarcatori digitali che i dispositivi indossabili sono in grado di raccogliere è in continua espansione”, osserva Hashemi. “Queste intuizioni mi danno abilità sovrumane come medico per avere un impatto straordinario sui miei pazienti”.

L’IA viene anche utilizzata per aiutare a prevenire la cecità nelle persone con diabete. Nella sua clinica, Hashemi utilizza un oftalmoscopio dotato di intelligenza artificiale per rilevare una condizione chiamata retinopatia diabetica. “I diabetici, in particolare quelli che sono stati mal controllati per un po’ di tempo, possono finire con la retinopatia diabetica, che è una degenerazione della retina, che può portare alla cecità”, spiega Hashemi. “Il livello di accuratezza o la precisione di questo dispositivo è più o meno buono come lo screening da parte di un oftalmologo. Ha una sensibilità di circa il 96%”.

Hashemi sottolinea inoltre che, oltre ad aiutare nella diagnosi e nell’individuazione accurate delle malattie, l’IA è spesso molto più efficiente in termini di costi rispetto all’assistenza sanitaria manuale. Il suo sviluppo potrebbe quindi rendere possibili cure e cure mediche a più persone, comprese quelle nei paesi in via di sviluppo, a un costo inferiore.

La governance dei dati rimane una delle maggiori sfide per l’integrazione dell’IA e dell’assistenza sanitaria. L’IA si basa sui dati medici personali e, nella maggior parte dei paesi, l’accesso rimane vietato a terzi. Tuttavia, l’epidemia di Covid-19 e la conseguente necessità di impedirne la diffusione ha contribuito a spostare l’opinione sulla governance dei dati sanitari. Secondo un sondaggio della fondazione Wellcome Trust nel Regno Unito, solo il 17% del pubblico è ora contrario alla condivisione delle proprie informazioni mediche nel mondo post-pandemia.

Hashemi accoglie favorevolmente il cambiamento, affermando: “L’intelligenza artificiale rende tutti più efficienti e ci consente di sfruttare meglio gli esseri umani – e questo è il punto davvero importante”.

Solo attraverso la cooperazione internazionale l’IA può migliorare la vita dei pazienti

Il più grande set di dati sulla biopsia del cancro alla prostata, che coinvolge oltre 95.000 immagini, è stato creato da ricercatori in Svezia per garantire che l’IA possa essere addestrata per diagnosticare e classificare il cancro alla prostata per applicazioni cliniche nel mondo reale.

I ricercatori inviteranno oggi, al congresso annuale dell’Associazione europea di urologia (EAU22), sperimentazioni cliniche su larga scala di algoritmi di intelligenza artificiale (AI) e un maggiore coordinamento globale per garantire che la diagnostica avanzata, la prognosi e la selezione del trattamento possano aiutare a salvare vite.

C’è una carenza di patologi in tutto il mondo, sia generalisti che specializzati in urologia. L’intelligenza artificiale può aiutare a rilevare il cancro alla prostata in una fase precoce, ma a causa delle grandi differenze nel modo in cui le cliniche preparano i campioni, scansionano le immagini e nelle diverse popolazioni di pazienti che servono, molti algoritmi non hanno un’applicazione universale.

Il team, del Karolinska Institutet, ha collaborato con i colleghi del Radboud University Medical Center nei Paesi Bassi, dell’Università di Turku in Finlandia e di Google Health negli Stati Uniti per organizzare un concorso di intelligenza artificiale che ha coinvolto quasi 1.300 sviluppatori da tutto il mondo. Gli sviluppatori hanno creato algoritmi in grado di classificare i tumori del cancro alla prostata e li hanno addestrati utilizzando 10.000 immagini di biopsie internazionali. Gli algoritmi con le migliori prestazioni hanno superato i patologi generalisti e hanno eguagliato le prestazioni medie degli uropatologi specializzati.

Il dottor Kimmo Kartasalo, che presenterà i risultati del concorso all’EAU22, ha affermato: “La classificazione del cancro alla prostata è un passaggio chiave nella decisione sul trattamento appropriato, ma è un processo abbastanza soggettivo e le differenze tra le valutazioni dei patologi a volte possono essere grandi. L’IA può fornire un’opinione di esperti aggiuntiva, aiutando a compensare la carenza di patologi e standardizzare la classificazione. Sebbene molti algoritmi non siano ampiamente applicabili, quelli sviluppati nella nostra competizione hanno mantenuto le loro prestazioni in diverse coorti di pazienti”.

La dottoranda Nita Mulliqi ha lavorato con i colleghi del Karolinska Institutet per preparare il set di dati esteso di 95.000 immagini della biopsia della prostata, l’equivalente di più di tre anni di lavoro di un singolo uropatologo. Hanno utilizzato le biopsie di uno studio clinico a Stoccolma che è durato circa quattro anni dal 2012 e hanno ottenuto immagini da altri nove laboratori europei e molti sottotipi di malattie rare da colleghi in Australia.

Mulliqi sta ora utilizzando il set di dati per addestrare e testare un’IA robusta clinicamente applicabile basata sull’integrazione degli elementi migliori delle voci con le prestazioni più elevate per la competizione in un unico algoritmo migliorato. Il set di dati esteso garantirà che l’algoritmo possa far fronte al tipo di complessità aggiuntiva che può essere trovata in una situazione clinica reale, come i tipi di cancro rari e le situazioni che imitano il cancro, ma sono benigne.

Attraverso la ricerca, Mulliqi ha identificato quattro aree chiave che richiedono un’attenzione specifica per garantire che sia possibile ottenere una migliore classificazione e prognosi della prostata e di altri tumori utilizzando l’IA e che gli algoritmi possano essere introdotti nell’uso clinico in modo responsabile.

Le quattro aree sono:

1. Calibrazione dello scanner: garantire che la configurazione sia la stessa ovunque si stiano effettuando le scansioni
2. Algoritmi migliorati: sfruttando la metodologia di intelligenza artificiale all’avanguardia per garantire prestazioni solide e un’ampia applicabilità degli algoritmi
3. Upscaling del set di dati: fornire set di dati internazionali più ampi per “insegnare” l’IA
4. Modellazione dell’eterogeneità morfologica: esaminare diversi sottotipi della stessa malattia

Mulliqi presenterà oggi questi risultati all’EAU22. Ha detto: “L’IA ha grandi promesse e può portare benefici ai pazienti ovunque, ma per raggiungere questa promessa, abbiamo bisogno di uno sforzo internazionale per raccogliere set di dati che siano rappresentativi della variazione degli approcci tecnici e tra i pazienti. La combinazione del nostro vasto database e degli algoritmi dei nostri colleghi sta iniziando a mostrare come possiamo davvero lavorare insieme per fare una grande differenza per medici e pazienti”.

Il professor Jochen Walz  dirige il dipartimento di urologia presso l’Institut Paoli-Calmettes Cancer Center di Marsiglia, in Francia, ed è membro dell’Ufficio del congresso scientifico dell’EAU. Ha detto: “L’IA diventerà uno strumento di routine, che non sostituirà patologi e urologi, ma li aiuterà a prendere decisioni più coerenti. Attualmente c’è molta variazione nella classificazione dei tumori della prostata, in particolare al di fuori dei centri specializzati.

“Questa ricerca ha utilizzato un mezzo intelligente – l’esperienza di crowdsourcing – per sviluppare l’IA per migliorare la classificazione del tumore e ha compiuto il passo successivo convalidandolo rispetto a una gamma molto varia di immagini. Ciò dimostra che potrebbe essere utilizzato nella pratica clinica generale.

“Finora, l’IA ha replicato solo il sistema di classificazione utilizzato dagli urologi. Ma ha il potenziale per andare oltre, per identificare elementi all’interno delle immagini che possono prevedere direttamente i risultati clinici. Questa è la prossima sfida per l’IA”.

L’apprendimento automatico segue il flusso urinario

Un algoritmo di intelligenza artificiale (AI) addestrato per ascoltare i pazienti che urinano è in grado di identificare flussi anomali e potrebbe essere un mezzo utile ed economico per monitorare e gestire i pazienti urologici a casa. Viene presentato oggi al congresso annuale dell’Associazione europea di urologia (EAU22), ad Amsterdam.

Lo strumento di deep learning, Audioflow, ha funzionato quasi come una macchina specializzata utilizzata nelle cliniche e ottiene risultati simili ai residenti in urologia nella valutazione del flusso urinario. L’attuale studio si concentra sul suono creato dall’urina in un ambiente insonorizzato, ma l’ambizione è quella di creare un’app in modo che i pazienti possano monitorarsi a casa.

I sintomi delle basse vie urinarie, problemi legati al funzionamento della vescica e dell’uretra, sono comuni e colpiscono circa il 60% degli uomini e il 57% delle donne.

L’uroflussometria è uno strumento importante per la valutazione dei pazienti con sintomi, ma i pazienti devono urinare in una macchina durante le visite ambulatoriali. Viene chiesto loro di urinare in un imbuto collegato all’uroflussometro che registra le informazioni sul flusso. Durante la pandemia di COVID-19 l’accesso alle cliniche è stato limitato e, anche dove i pazienti possono partecipare, il test può richiedere molto tempo con code per utilizzare un’unica macchina.

Il dottor Lee Han Jie e i colleghi del Singapore General Hospital hanno collaborato con i colleghi del dipartimento di ingegneria per sviluppare un algoritmo e hanno reclutato 534 partecipanti maschi tra dicembre 2017 e luglio 2019 per addestrarlo e convalidarlo. I partecipanti hanno utilizzato la consueta macchina per uroflussometria in una stanza insonorizzata e hanno registrato la loro minzione utilizzando uno smartphone.

Utilizzando 220 registrazioni, l’IA ha imparato a stimare la portata, il volume e il tempo che possono indicare quando c’è un’ostruzione o se la vescica non funziona bene. È stato addestrato per ascoltare e analizzare il flusso urinario maschile che è diverso da quello delle donne e avrebbe bisogno di un campione separato per imparare ad analizzare la minzione femminile.

I risultati sono stati confrontati con una macchina per uroflussometria convenzionale e con un gruppo di sei residenti in urologia che hanno classificato separatamente il set di dati. L’IA concordava con l’uroflussometria convenzionale per oltre l’80% delle registrazioni e, rispetto agli urologi specializzati e ai residenti esterni per l’identificazione dei flussi anormali, ha raggiunto un tasso di accordo dell’84%.

Il dottor Lee afferma: “C’è una tendenza verso l’utilizzo dell’apprendimento automatico in molti campi, perché i medici non hanno molto tempo. Allo stesso tempo, soprattutto dopo la pandemia, c’è uno spostamento verso la telemedicina e meno cure ospedaliere. Volevamo sviluppare un modo per monitorare i nostri pazienti per vedere come se la cavano tra una visita e l’altra in ospedale”.

“La nostra intelligenza artificiale può superare alcuni non esperti e si avvicina ai consulenti senior”, continua. “Ma il vero vantaggio è avere l’equivalente di un consulente in bagno con te, ogni volta che vai. Ora stiamo lavorando affinché l’algoritmo sia in grado di funzionare quando c’è un rumore di fondo nel normale ambiente domestico e questo farà la vera differenza per i pazienti”.

Audioflow verrà ora implementato come app per smartphone tramite i medici di base in modo che possa essere testato nel mondo reale e imparare da diversi set di dati in diversi ambienti rumorosi.

Christian Gratzke, professore di urologia presso l’ospedale universitario di Friburgo e membro del comitato scientifico di urologia dell’EAU22, afferma: “Dare ai pazienti la possibilità di misurare il flusso urinario a casa è più comodo per loro e riduce i tempi di attesa in clinica. Questo è uno studio ben eseguito con un numero significativo di pazienti e rappresenta un approccio promettente per lo sviluppo di un’app portatile che può essere utilizzata a casa. Non vedo l’ora di vedere i risultati del mondo reale”.