Allarme sepsi: perché gli algoritmi non bastano a salvare vite

Cinque anni fa, il mercato degli algoritmi per la predizione della sepsi ha subito una battuta d’arresto senza precedenti. Centinaia di ospedali americani avevano adottato un modello sviluppato da Epic, leader nei sistemi di cartelle cliniche elettroniche, promettendo di avvisare tempestivamente i medici in caso di rischio di sepsi. Una malattia potenzialmente letale, scatenata da una risposta eccessiva dell’organismo a un’infezione, che ogni anno uccide oltre 350.000 persone solo negli Stati Uniti.

Il software, però, si è rivelato un flop tecnologico. Nonostante le promesse di accuratezza su carta, l’algoritmo ha fallito nella pratica: generava così tanti falsi allarmi da spingere i medici a ignorarli o gli ospedali a disattivarli del tutto.

Oggi, a distanza di mezzo decennio, il panorama è radicalmente cambiato. Epic ha rilasciato una versione aggiornata del suo algoritmo, mentre startup e team di ricerca stanno sperimentando nuovi modelli in diversi sistemi sanitari. Alcuni puntano sull’analisi dei dati clinici tramite modelli linguistici avanzati, altri sviluppano dispositivi di allerta basati su algoritmi di apprendimento automatico. Tra questi, spicca la soluzione di Bayesian Health, nata dalla collaborazione con la Johns Hopkins University, che ha appena ottenuto la certificazione FDA per il suo sistema di rilevamento precoce della sepsi.

Il problema, però, non è solo tecnologico. La performance di un algoritmo non basta a garantire il successo. La vera sfida è integrare queste soluzioni nella pratica clinica quotidiana, evitando il sovraccarico di allarmi e assicurando che i medici ricevano informazioni utili e tempestive. Solo così si potrà davvero ridurre la mortalità per sepsi, una delle principali cause di morte negli ospedali.