NYU Langone Health ha sviluppato PREVIA, un sistema sperimentale di intelligenza artificiale progettato per individuare i pazienti che potrebbero sviluppare un disturbo da stress post-traumatico (PTSD) dopo un evento traumatico. Il sistema analizza le descrizioni spontanee fornite dai pazienti durante l’accesso al pronto soccorso e produce una valutazione del rischio a un mese dall’evento, senza richiedere la compilazione di un questionario psicologico articolato. La sperimentazione ha coinvolto 145 pazienti e, nella configurazione con le migliori prestazioni, PREVIA ha raggiunto una sensibilità del 95,4%, identificando quindi la maggior parte dei soggetti che avrebbero successivamente sviluppato il disturbo. I risultati complessivi della validazione incrociata su tre suddivisioni del campione hanno evidenziato un AUROC del 78,5% e una precisione del 46,8%. Quest’ultimo valore indica che una parte consistente delle persone segnalate come a rischio non sviluppa effettivamente il PTSD, rendendo necessario interpretare le previsioni come uno strumento preliminare di screening e non come una diagnosi.
La ricerca è stata condotta in due centri traumatologici di primo livello di New York, coinvolgendo adulti di età compresa tra 18 e 80 anni, di lingua inglese e clinicamente stabili. Entro 24 ore dall’evento traumatico, i partecipanti sono stati invitati a descrivere liberamente quanto accaduto, attraverso una registrazione video della durata massima di tre minuti effettuata con un iPad. Le testimonianze contenevano mediamente circa 374 parole e sono state trascritte utilizzando Whisper, con successiva revisione da parte di personale di ricerca madrelingua inglese. A distanza di un mese, la presenza del disturbo è stata valutata attraverso la Clinician-Administered PTSD Scale for DSM-5, un’intervista clinica strutturata utilizzata per l’accertamento dei sintomi post-traumatici. Il metodo nasce dalla necessità di individuare precocemente i pazienti a rischio, considerando che soltanto circa il 28% dei pronto soccorso statunitensi effettua regolarmente screening per il PTSD e che, tra questi, circa due terzi utilizza questionari validati. Il tempo clinico disponibile, generalmente compreso tra 15 e 20 minuti per paziente, rende particolarmente difficile introdurre ulteriori procedure di valutazione durante la gestione delle emergenze.
L’architettura di PREVIA utilizza diversi modelli linguistici con funzioni complementari. Llama e Mistral analizzano indipendentemente le testimonianze per identificare sintomi precoci di stress post-traumatico, reazioni manifestate durante l’evento, fattori di rischio e fattori protettivi. Le otto valutazioni prodotte vengono successivamente elaborate da DeepSeek, che le riconcilia in sintesi strutturate, mentre i punteggi numerici dei due modelli iniziali vengono mediati con ponderazione equivalente. Un ulteriore componente combina queste informazioni con età, sesso, tipologia di trauma e dati sulla prevalenza del PTSD per generare un punteggio di rischio compreso tra 0 e 100, accompagnato da una breve spiegazione. Il sistema utilizza istruzioni zero-shot, senza addestramento aggiuntivo dei parametri o fine-tuning sui dati dei partecipanti. La validazione incrociata è stata impiegata per ottimizzare e valutare la soglia di classificazione.
Nell’identificazione dei sintomi post-traumatici clinicamente significativi ma inferiori alla soglia diagnostica completa, PREVIA ha raggiunto una sensibilità dell’89,7% e un punteggio F1 del 69,4%. Una valutazione separata su 30 testimonianze, comprendenti nove casi di PTSD, ha mostrato una sensibilità del 100% e un AUROC dell’84,4%, contro rispettivamente l’88,9% e l’83,9% ottenuti da un medico di pronto soccorso con oltre 24 anni di esperienza e competenze specifiche nella ricerca sul PTSD. Entrambi hanno registrato una precisione del 50%. Il confronto con un solo professionista non consente tuttavia di estendere il risultato all’insieme dei medici o dei contesti clinici.
Le donne rappresentavano il 31% del campione e i pazienti clinicamente instabili erano esclusi, limitando la rappresentatività della popolazione esaminata. Saranno quindi necessari studi indipendenti su gruppi più numerosi, altre lingue, differenti condizioni cliniche e periodi di osservazione più lunghi. PREVIA è stato eseguito in un’infrastruttura di calcolo ad alte prestazioni conforme ai requisiti HIPAA, utilizzando GPU NVIDIA A100. L’eventuale integrazione operativa potrebbe prevedere una breve registrazione audio collegata ai dati demografici e clinici già disponibili nella cartella elettronica, con restituzione automatica del punteggio di rischio. La sperimentazione non ha ancora dimostrato che l’impiego del sistema migliori gli esiti clinici dei pazienti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)