Un progetto che, grazie all’Intelligenza Artificiale, ha lo scopo di identificare pazienti candidabili a percorso fast-track dopo intervento di artroprotesi primaria di anca e ginocchio.

 

Ci presenta il progetto il dottor Mattia Loppini, dell’Unità Ortopedia dell’Anca e Chirurgia Protesica in Humanitas. Le nuove tecnologie possono essere di grande aiuto nell’ambito della Ricerca; la strada verso cure definitive è ancora lunga e c’è bisogno del contributo di tutti: ecco perché è importante sostenere la Ricerca donando il proprio 5×1000.

 

La protesizzazione articolare è estremamente diffusa in tutto il mondo ed è considerata un trattamento di particolare efficacia per diverse patologie dell’anca e del ginocchio, in pazienti di tutte le età. Anche per questo è stato evidenziato un incremento nel tempo di protesi totale di anca (PTA) e di protesi totale di ginocchio (PTG), che è destinato ad aumentare significativamente nelle prossime decadi. Nell’ultima decade, si è inoltre registrato un interesse crescente per percorsi di ricovero rapido caratterizzati da una minor durata della degenza e un più rapido recupero funzionale da parte del paziente sottoposto ad intervento di protesi totale di anca e ginocchio.

 

Il percorso fast-track si caratterizza per un decorso perioperatorio ottimizzato o accelerato di una procedura chirurgica standard. Un percorso fast-track ha come obiettivo la riduzione della morbilità perioperatoria, procedure anestesiologiche fisiologicamente ottimizzate, gestione del dolore ottimizzata e mobilizzazione aggressiva. L’intelligenza artificiale può consentire una selezione accurata dei pazienti eleggibili per un percorso fast-track in chirurgia protesica. In tal modo sarebbe possibile ridurre la degenza ospedaliera postchirurgica, garantendo al paziente un appropriato recupero funzionale senza aumentare il rischio di complicanze.

 

Obiettivo del progetto

 

Negli ultimi anni, la gestione postoperatoria dei pazienti sottoposti a protesi totale di anca e ginocchio si è focalizzata sulla durata del ricovero dopo l’intervento, incoraggiando la dimissione anticipata dagli ospedali e la sostituzione con alternative domiciliari. L’identificazione di criteri oggettivi preoperatori che permettano di predire l’esito del paziente è cruciale per consentire una più efficiente gestione delle cure postoperatorie e permetterebbe lo sviluppo di uno strumento di previsione clinica che utilizzi l’intelligenza artificiale per identificare i pazienti a rischio di un ritardato recupero postoperatorio e di una degenza ospedaliera più lunga.

La prima fase del progetto prevede lo sviluppo dello strumento di analisi mediante machine learning e l’arruolamento di pazienti con PTA e PTG, operati in Humanitas, di cui saranno analizzati dati preoperatori clinici, di laboratorio e strumentali.

La seconda fase del progetto prevede invece l’arruolamento di 150 pazienti con PTA e 150 pazienti con PTG, che verranno seguiti per un anno dopo l’intervento per validare l’abilità predittiva del software.

In ultima sintesi, lo scopo del progetto è di sviluppare un algoritmo di machine learning che permetta di identificare prima dell’intervento di protesi totale di anca e ginocchio i pazienti che possono essere candidati a un percorso di degenza breve con un appropriato recupero funzionale.