Emocromo, questi nuovi modelli per la lettura dei valori possono predire il rischio di malattie
Nella ricerca appena pubblicata su una importante rivista scientifica è stato impiegato l'apprendimento automatico per identificare intervalli sani di emocromo
Guarda la versione integrale sul sito >
La nuova ricerca basata sull'apprendimento automatico potrebbe aiutare a definire intervalli molto più precisi per ogni paziente
In genere i medici tendono a prescrivere ai propri pazienti un emocromo completo per avere un quadro ampio e variegato sullo stato di salute del paziente. Ma molto spesso il modo con cui i risultati di questi test vengono interpretati e valutati non sono adeguati perchè prescindono dalle sostanziali differenze individuali. Un team di ricerca della University of Washington School of Medicine ha passato al setaccio 20 anni di esami dell'emocromo di decine di migliaia di pazienti sia della costa orientale che di quella occidentale degli Stati Uniti, facendo alcune scoperte interessanti.
Nella ricerca appena pubblicata su una importante rivista scientifica è stato impiegato l'apprendimento automatico per identificare intervalli sani di emocromo per singoli pazienti e prevedere il loro rischio di malattie future. Molte persone pensano che i test clinici abbiano un valore puramente diagnostici. Ad esempio, un test di COVID-19 o di gravidanza risulta positivo o negativo, indicandoti se hai una particolare condizione.
I modelli attuali
La maggior parte dei test attuali non funziona in questo modo. I test come l'emocromo caratterizzano biologicamente come agisce l'organismo per regolarsi e rimanere entro determinati limiti. Anche l'emocromo completo rappresenta un continuum. Il test CBC crea un profilo dettagliato delle cellule del sangue di un individuo. Vengono misurati globuli rossi, piastrine e globuli bianchi presenti nel tuo sangue. Questi marcatori vengono utilizzati ogni giorno in quasi tutti i settori della medicina. Ad esempio, l'emoglobina è una proteina contenente ferro che consente ai globuli rossi di trasportare ossigeno. Se i livelli di emoglobina di un soggetto sono bassi, potrebbe significare che i livelli di ferro nel sangue siano carenti.
Le piastrine sono cellule che aiutano a formare coaguli di sangue e fermare le emorragie. Se il numero di piastrine è basso, potrebbe essere la spia di un'emorragia interna e quindi l'organismo sta usando le piastrine per aiutare a formare coaguli di sangue per arginare la ferita. I globuli bianchi fanno parte del nostro sistema immunitario. Se il numero di globuli bianchi è alto, potrebbe significare che il paziente abbia un'infezione e il corpo sta producendo più di queste cellule per combatterla.
Gli attuali modelli potrebbero falsare le diagnosi
Esistono per convenzione degli intervalli di riferimento che distinguono le persone sane da quelle che potrebbero soffrire di qualche patologia. Di solito viene preso il 95% medio di questi valori sani che vengono così definiti come “normali", con qualsiasi valore sopra o sotto troppo basso o alto. Questi intervalli normali sono usati quasi ovunque in medicina.
Ma gli intervalli di riferimento affrontano una grande sfida: ciò che è normale per un individuo potrebbe non esserlo per qualcun altro. Quasi tutti i marcatori della conta ematica sono ereditari, il che significa che la genetica e l'ambiente determinano gran parte di quello che sarebbe il valore sano per ogni marcatore individuale.
Per fare un esempio una conta piastrinica normale si basa su intervalli tra 150 e 400 miliardi di cellule per litro di sangue. Per alcuni individui il valore normale potrebbe essere 200, un valore chiamato punto di riferimento. Ciò significa che l'intervallo normale per questi soggetti potrebbe oscillare tra 150 e 250. Le differenze tra il vero intervallo normale di un paziente e l'intervallo di riferimento basato sulla popolazione possono falsare le diagnosi.
Guarda la versione integrale sul sito >
Cosa si è scoperto
L'equipe di scienziati ha utilizzato modelli di apprendimento automatico in grado di stimare i punti di riferimento della conta ematica per oltre 50.000 pazienti in base alla loro cronologia di visite in clinica.
In questo modo è stato possibile analizzare e studiare approfonditamente come il corpo regola questi punti di riferimento studiando nuovi modelli per personalizzare le letture dei test di laboratorio.
Nel corso di diversi decenni si è scoperto che i normali intervalli individuali erano circa tre volte più piccoli rispetto al livello della popolazione. Ad esempio, mentre l'intervallo “normale" per la conta dei globuli bianchi è di circa 4,0-11,0 miliardi di cellule per litro di sangue, si è scoperto che gli intervalli individuali della maggior parte delle persone erano molto più ristretti, più simili a 4,5-7 o 7,5-10.
Attraverso questi nuovi modelli è stato possibile migliorare la diagnosi di malattie come carenza di ferro, malattia renale cronica e ipotiroidismo. Si è notato che, quando il risultato di qualcuno era al di fuori del suo intervallo personale più piccolo, ciò poteva essere spia di un problema di salute. In futuro, attraverso l'apprendimento automatico, si conta di stimare modelli individuali sempre più precisi ed in grado di offrire diagnosi più attendibili, aiutando a prevenire o contrastare il sorgere di malattie.
Coltivo da anni la passione per la scrittura e per i social network. La ricerca della verità, purchè animata da onestà intellettuale, è una delle mie sfide. Scrivo da diversi anni per importanti siti di informazione che mi danno l'opportunità di dare sfogo alla mia passione innata per il giornalismo.