Modelli predittivi per la diagnosi e la prognosi di COVID-19

L’Organizzazione Mondiale della Sanità ha dichiarato il COVID-19 una pandemia causata dal nuovo virus SARS-CoV-2, infettando decine di milioni di persone in tutto il globo. L’uso congiunto del quadro clinico, degli esami biologici e radiologici sono essenziali per la diagnosi, il monitoraggio e la prognosi di un paziente affetto da COVID-19. I sistemi di Intelligenza Artificiale, addestrati tramite tecniche di Machine Learning e Deep Learning, possono aiutare i sistemi sanitari nella formulazione di diagnosi e prognosi al fine di contenere la diffusione del virus e la sua mortalità. Nel corso della pandemia sono stati raccolti e messi a disposizione degli sviluppatori i dati relativi a pazienti che hanno contratto la malattia, comprendendo variabili cliniche, di laboratorio e radiologiche. Questi andranno a costituire i dataset sui quali i sistemi di Intelligenza Artificiale verranno addestrati al fine di riconoscere gli sviluppi diagnostici e prognostici. Le performance raggiunte sono promettenti ma non ancora pronte per un uso effettivo in ambito clinico a causa del rischio di bias, dello stato di pandemia e della sintomatologia simile, almeno nei reperti radiologici, ad altre malattie polmonari. Lo scopo di questa tesi è definire il ruolo delle variabili cliniche, di laboratorio e radiologiche nel processo diagnostico e prognostico del COVID-19, valutare le performance dei modelli di Machine Learning, compararle e commentare un possibile uso futuro nella comune pratica clinica.