L’Hcv rimane un problema significativo per la salute pubblica, e circa la metà della popolazione infetta rimane non diagnosticata e non trattata. 

Un recente studio retrospettivo ha sviluppato modelli per identificare i pazienti con Hcv non diagnosticati mediante documentazioni mediche longitudinali correlate a dati prescrittivi relativi a circa 10 milioni di pazienti negli USA fra il 2010 ed il 2016.

Dall’anamnesi del paziente sono state estratte caratteristiche che catturavano informazioni su fattori demografici, fattori di rischio, sintomi, trattamenti e procedure rilevanti ai fini dell’Hcv.

Sono stati poi sviluppati algoritmi predittivi sulla base di regressione logistica, selezione randomica, ed altri strumenti statistici.
L’analisi descrittiva ha indicato che i pazienti dimostrano sintomi noti di Hcv circa 2-3 anni prima della diagnosi.

La precisione era almeno del 95% per tutti gli algoritmi, ma in alcune situazioni è stata riscontrata una superiorità di quelli basati sul cosiddetto “stacked ensemble”.Contestualmente, il CDC statunitense raccomanda lo screening della sottopopolazione a rischio con una stima della prevalenza dell’Hcv al 2,23%. 

L’algoritmo basato sull’intelligenza artificiale nel presentato nello studio ha una precisione sostanzialmente superiore rispetto ai tassi di screening associati alle linee guida raccomandate, il che suggerisce che questi algoritmi abbiano il potenziale di apportare un netto cambiamento nell’efficacia dello screening dell’Hcv. 

Fonte: Sci Rep 2020