Revisione sistematica della letteratura per valutare l'integrazione del Machine Learning negli interventi di Antimicrobial Stewardship a livello ospedaliero

Ad oggi l’antibiotico-resistenza (ABR) è una delle principali sfide sanitarie globali. È stato stimato che entro il 2050 se non verranno realizzati interventi di contrasto si potrebbero registrare fino a 10 milioni di decessi all'anno, un numero equivalente al tasso di mortalità per cancro registrato nel 2020. In questo contesto, come indicato dal Piano Nazionale di Contrasto all'Antibiotico-Resistenza (PNCAR) 2022-2025, assume un ruolo fondamentale l'ottimizzazione dell'uso degli antimicrobici, in particolar modo degli antibiotici, attraverso programmi di Antimicrobial Stewardship (ASP). Questi sono una serie di interventi coordinati, a livello ospedaliero e comunitario, con lo scopo di migliorare l’utilizzo appropriato degli antibiotici. Lo scopo della tesi è valutare l’efficacia e l’impatto dell’integrazione di sistemi basati sull’intelligenza artificiale, in particolare il Machine Learning (ML) nei programmi di ASP a livello ospedaliero. Per la valutazione è stata condotta una Revisione Sistematica della letteratura. Attraverso un processo di screening iniziale, utilizzando il software Covidence, sono stati esaminati 339 articoli provenienti dalle banche dati PubMed, Scopus e Google Scholar. Questo processo ha permesso di selezionare 17 articoli rilevanti, che sono stati poi utilizzati per l'analisi e le valutazioni successive. Dal lavoro è emerso che gli interventi di ASP sono molteplici e possono essere destinati a fasi differenti del trattamento antimicrobico. Allo stesso modo anche gli interventi di ML possono essere implementati in diversi momenti del trattamento terapeutico. Gli articoli selezionati hanno mostrato un focus significativo su: previsione della resistenza antimicrobica, diagnosi di infezioni batteriche e selezione della terapia antimicrobica più appropriata. Queste ricerche hanno prodotto risultati molto promettenti, indicando un futuro in cui il Machine Learning può giocare un ruolo cruciale nell'affrontare queste sfide in ambito sanitario.