Home
Uno degli aspetti più rilevanti del lavoro riguarda il potenziale impatto clinico. Le metodiche microbiologiche tradizionali richiedono spesso fino a 48 ore per identificare il profilo completo di sensibilità agli antibiotici. I modelli sviluppati dai ricercatori italiani consentono invece di formulare una previsione affidabile in tempi molto più brevi, fornendo suggerimenti e valutazioni utili al medico per la scelta della terapia
09 giugno 2026 | 12.40
LETTURA: 3 minuti
Uno studio italiano dimostra come i dati clinici, l'intelligenza artificilale e la medicina di precisione possano guidare verso una rapida ed efficace scelta della terapia antibiotica. Lo studio, pubblicato sulla rivista 'International Journal of Infectious Diseases', coordinato dall'Idi-Irccs di Roma ed effettuato in collaborazione con università di Salerno, Kelyon, Cnr, Istituto superiore di sanità e università Link di Roma, utilizza un modello basato su machine learning e dimostra che è possibile prevedere con elevata accuratezza la sensibilità agli antibiotici attraverso l'uso di dati clinici e microbiologici raccolti nella pratica ospedaliera quotidiana. "La crescente diffusione dell'antibiotico-resistenza rappresenta una delle più gravi minacce per la salute pubblica a livello globale - si legge nello studio - Ogni ritardo nell'identificazione della terapia antibiotica più efficace può peggiorare gli esiti clinici dei pazienti, aumentare la durata dei ricoveri e favorire la selezione di microrganismi resistenti. Pertanto, prevedere efficacemente e rapidamente la risposta agli antibiotici può cambiare in maniera rilevante il decorso clinico di molte infezioni. Lo studio, condotto su quasi 10.000 pazienti italiani, dimostra che l'intelligenza artificiale può diventare un importante alleato dei medici nella scelta tempestiva e personalizzata degli antibiotici".
