L’intelligenza artificiale (AI) come strumento predittivo per supportare la definizione dell’alimentazione nei neonati prematuri. È questo il presupposto alla base di uno studio innovativo, pubblicato di recente sul Journal of Perinatology – rivista del portfolio “Nature” – frutto del lavoro congiunto di ricercatrici della Fondazione IRCCS San Gerardo dei Tintori (FSGT) e del Dipartimento di Elettronica, Informazione e Bioingegneria (DEIB) del Politecnico di Milano.

Per la FSGT hanno partecipato le neonatologhe Maria Luisa Ventura, Valentina Bozzetti, Valeria Cavalleri, Lucia Iozzi con le ingegnere Emanuela Zannin e Paola Coglianese. Per il DEIB del Politecnico di Milano hanno contribuito la prof.ssa Simona Ferrante con le ingegnere Linda Greta Dui e Silvia Riccò.

Il lavoro affronta uno dei momenti più delicati nella cura del neonato altamente pretermine: il passaggio dall’alimentazione per via endovenosa (parenterale) a quella per via orale (enterale), una fase di “transizione nutrizionale” estremamente cruciale per crescita e sviluppo, che oggi viene gestita senza approcci standardizzati supportati da evidenze scientifiche robuste e in cui un apporto di nutrienti eccessivo, insufficiente o sbilanciato può determinare complicazioni e contribuire a un rallentamento della crescita extrauterina (Extrauterine Growth Restriction, EUGR)

I risultati mostrano che un adeguato apporto di proteine e lipidi già nei primi giorni di vita, insieme al tasso di crescita nella prima settimana, rappresentano elementi chiave per predire l’EUGR. Un contributo rilevante dello studio è stata inoltre la suddivisione dei pazienti in base a diversi profili di prematurità: è emerso infatti come i fabbisogni e gli apporti nutrizionali differiscano nei vari gruppi, aprendo la strada a una maggiore personalizzazione delle cure.

«Nei neonati grandi prematuri la crescita non è solo un indicatore numerico: un rallentamento della crescita extrauterina può avere conseguenze che si estendono nel tempo, con possibili ricadute anche sullo sviluppo neurocognitivo – spiega Valentina Bozzetti – Per questo studiare la transizione nutrizionale significa puntare non solo a “far crescere di più”, ma a sostenere la qualità complessiva dello sviluppo. Per farlo, però, serve riuscire a leggere davvero ciò che accade nei giorni più delicati della vita, quando ogni scelta può fare la differenza».

«È qui che entra in gioco la forza dei dati: in questo lavoro abbiamo potuto attingere a un vero e proprio “mare di dati” – sottolinea Maria Luisa Ventura – oltre mille cartelle cliniche elettroniche di neonati grandi prematuri seguiti in un unico centro, ciascuna ricchissima di informazioni cliniche e nutrizionali. Mettere questo patrimonio nelle mani dell’intelligenza artificiale significa poter affrontare una complessità che gli studi tradizionali non riescono a catturare con la stessa profondità».

«L’intelligenza artificiale permette di integrare grandi volumi di dati clinici eterogenei e di trasformarli in strumenti utili per la ricerca e, progressivamente, per supportare le decisioni cliniche – commenta Simona Ferrante – Il valore nasce dall’incontro tra competenze: da un lato la solidità metodologica e la capacità di leggere la complessità dei dati, dall’altro la conoscenza clinica che dà senso ai numeri e orienta le domande giuste. È così che i modelli diventano non solo accurati, ma anche interpretabili e potenzialmente trasferibili nella pratica».

«In questo studio abbiamo tradotto questa integrazione in modelli capaci di predire l’EUGR durante la transizione nutrizionale, riconoscendo pattern e combinazioni di variabili clinico-nutrizionali che aiutano a descrivere in modo più preciso una fase particolarmente critica – conclude Linda Greta Dui – L’obiettivo non è sostituire il giudizio clinico, ma offrire uno strumento in più per anticipare i bisogni del singolo paziente e orientare strategie sempre più personalizzate, calibrate sui diversi profili di gravità della prematurità».