L’intelligenza artificiale entra sempre più concretamente nella medicina di precisione e si candida a diventare uno degli strumenti più importanti nella lotta contro l’antibiotico-resistenza, una delle grandi emergenze sanitarie globali. A confermarlo è uno studio coordinato da IDI-IRCCS di Roma e realizzato in collaborazione con Kelyon, Università di Salerno, CNR, Istituto Superiore di Sanità e Università Link di Roma, pubblicato sull’International Journal of Infectious Diseases.
La ricerca dimostra come l’uso dei dati clinici e microbiologici, integrato con modelli avanzati di machine learning, possa contribuire a prevedere con elevata accuratezza la sensibilità dei batteri agli antibiotici. Si tratta di un passaggio decisivo per rendere più tempestive le decisioni terapeutiche e per rafforzare le strategie di contrasto all’antimicrobial resistance, fenomeno che mette sotto pressione ospedali, sistemi sanitari e percorsi di cura in tutto il mondo.
Lo studio ha coinvolto quasi 10.000 pazienti italiani e ha analizzato 15.581 isolati batterici provenienti da 9.966 pazienti assistiti tra il 2018 e il 2024 in due ospedali italiani. La base dati raccolta nella pratica clinica quotidiana ha permesso di addestrare modelli predittivi capaci di elaborare un vero e proprio antibiogramma digitale, anticipando i tempi tradizionali della diagnostica microbiologica.
Il risultato è particolarmente rilevante: i modelli sviluppati sono stati in grado di prevedere la sensibilità agli antibiotici con un’accuratezza superiore al 90%, consentendo di anticipare di almeno 48 ore le informazioni che normalmente arrivano da un antibiogramma standard. In ambito clinico, due giorni possono rappresentare una differenza sostanziale. Significa poter scegliere prima la terapia più adeguata, ridurre il rischio di trattamenti inefficaci, contenere l’uso inappropriato degli antibiotici e migliorare gli esiti dei pazienti.
L’antibiotico-resistenza è infatti una minaccia che non riguarda soltanto il singolo trattamento, ma l’intero equilibrio della sanità pubblica. Quando i batteri diventano resistenti ai farmaci disponibili, le infezioni diventano più difficili da curare, le degenze si allungano, i costi sanitari aumentano e le opzioni terapeutiche si riducono. In questo scenario, la possibilità di disporre rapidamente di strumenti predittivi affidabili rappresenta un vantaggio non solo tecnologico, ma clinico, organizzativo ed economico.
È proprio su questo terreno che si inserisce il contributo di Kelyon, azienda impegnata nello sviluppo di soluzioni digitali avanzate per la sanità. La collaborazione allo studio conferma il ruolo della digital health nel supportare i professionisti sanitari attraverso strumenti capaci di trasformare i dati in conoscenza operativa. L’obiettivo non è sostituire il medico, ma offrirgli informazioni più rapide, integrate e utili per assumere decisioni terapeutiche più consapevoli.
In questa direzione si colloca anche AntiMO, soluzione sviluppata per ottimizzare la gestione delle infezioni batteriche, monitorare i trend di resistenza e supportare l’appropriatezza prescrittiva. Attraverso strumenti predittivi, dashboard evolute e sistemi di supporto decisionale, AntiMO punta a integrare dati microbiologici, informazioni cliniche e intelligenza artificiale in un modello operativo orientato alla medicina personalizzata.
Il valore della ricerca sta proprio nella capacità di coniugare mondi diversi: clinica, microbiologia, epidemiologia, ingegneria dei dati e innovazione digitale. La medicina contemporanea produce una quantità crescente di informazioni, ma la vera sfida è renderle leggibili, tempestive e utili nella pratica quotidiana. L’intelligenza artificiale, se sviluppata su dati solidi e integrata nei percorsi clinici, può contribuire a trasformare questa complessità in strumenti concreti per il personale sanitario.
Stefano Tagliaferri, CTO di Kelyon, ha sottolineato come lo studio rappresenti un passo importante perché mette in evidenza il valore concreto dei dati e dell’intelligenza artificiale nel migliorare il contrasto all’AMR e la gestione delle resistenze batteriche. La prospettiva indicata è chiara: il clinico resta al centro della decisione, ma può essere affiancato da strumenti più rapidi, accurati e integrabili nella pratica ospedaliera quotidiana.
La rapidità, in questo ambito, non è un elemento secondario. Nei casi di infezione batterica, soprattutto nei pazienti fragili o nei contesti ospedalieri più complessi, il tempo necessario per individuare l’antibiotico più efficace può incidere sulla durata della degenza, sulla qualità delle cure e sulla sostenibilità del sistema sanitario. Un antibiogramma digitale predittivo non elimina la necessità delle verifiche microbiologiche tradizionali, ma può offrire un orientamento precoce e prezioso, in attesa dei risultati definitivi.
Secondo Gaetano Cafiero, CEO di Kelyon, il contributo allo studio conferma quanto sia strategica la collaborazione tra ricerca clinica, istituzioni scientifiche e innovazione tecnologica. È lo stesso principio alla base di AntiMO: sviluppare soluzioni digitali capaci di integrare intelligenza artificiale, dati microbiologici e informazioni cliniche in tempo reale, con l’obiettivo di supportare decisioni terapeutiche sempre più tempestive, affidabili e personalizzate.
Il tema dell’antimicrobial stewardship, cioè l’uso corretto e responsabile degli antibiotici, diventa quindi sempre più legato alla capacità di utilizzare dati di qualità. Non basta disporre di farmaci efficaci: occorre sapere quando usarli, come usarli, contro quali microrganismi e con quale livello di rischio. Le piattaforme digitali possono aiutare ospedali e clinici a leggere l’evoluzione delle resistenze, individuare pattern ricorrenti, monitorare l’appropriatezza prescrittiva e orientare le strategie terapeutiche.
Lo studio pubblicato sull’International Journal of Infectious Diseases conferma dunque una tendenza destinata a crescere: la medicina di precisione non riguarda soltanto le terapie oncologiche o la genetica, ma anche la gestione delle infezioni. Prevedere la sensibilità agli antibiotici significa avvicinarsi a un modello di cura più personalizzato, in cui la scelta terapeutica è guidata da dati reali, algoritmi validati e contesto clinico del paziente.
La sfida, ora, sarà portare questi modelli sempre più vicino alla pratica ospedaliera, rendendoli interoperabili, sicuri, aggiornabili e realmente utilizzabili dai professionisti sanitari. Perché l’intelligenza artificiale possa produrre valore, deve inserirsi nei flussi di lavoro, rispettare il ruolo del medico, dialogare con i sistemi informativi esistenti e offrire indicazioni comprensibili, tracciabili e clinicamente rilevanti.
In questo percorso, Kelyon e AntiMO si collocano all’incrocio tra ricerca scientifica e innovazione applicata. La lotta all’antibiotico-resistenza richiede infatti una risposta multidisciplinare, capace di unire competenze mediche, microbiologiche, tecnologiche e organizzative. L’obiettivo finale è contribuire a una nuova generazione di sistemi di supporto clinico, in grado di favorire terapie antimicrobiche di precisione e rafforzare la capacità del sistema sanitario di affrontare una delle minacce più urgenti del nostro tempo.
Brevissimo riassunto SEO:
Uno studio coordinato da IDI-IRCCS con Kelyon dimostra che l’intelligenza artificiale può prevedere la sensibilità agli antibiotici con accuratezza superiore al 90%, anticipando l’antibiogramma standard e rafforzando il contrasto all’antibiotico-resistenza.
#IntelligenzaArtificiale, #AntibioticoResistenza, #Kelyon, #AntiMO, #MedicinaDiPrecisione, #AMR, #DigitalHealth, #MachineLearning, #SanitàDigitale, #AntibiogrammaDigitale, #Microbiologia, #AntimicrobialStewardship, #RicercaScientifica, #SudNotizie