Un gruppo di ricercatori dell’Università della Pennsylvania ha sviluppato una piattaforma di intelligenza artificiale che consente ai pazienti con epilessia di interagire mediante un’applicazione per smartphone con un sistema di monitoraggio dell’attività cerebrale. La tecnologia, descritta in uno studio pubblicato sulla rivista scientifica Nature Medicine, combina l’analisi dei segnali elettroencefalografici con un’interfaccia conversazionale attraverso la quale gli utenti possono consultare le informazioni raccolte, ricevere notifiche e fornire riscontri sugli eventi identificati dagli algoritmi. L’obiettivo è rendere il monitoraggio neurologico bidirezionale, superando un’impostazione nella quale i dispositivi registrano i dati e generano segnalazioni senza integrare sistematicamente le osservazioni del paziente. Durante la sperimentazione, condotta su 13 adulti ricoverati nell’unità ospedaliera specializzata nel monitoraggio dell’epilessia, l’integrazione dei riscontri individuali ha consentito di ottenere, in una simulazione prospettica, una riduzione dell’80% del tasso di falsi allarmi.
Il sistema acquisisce e interpreta i dati dell’elettroencefalogramma, che registra l’attività elettrica cerebrale, rendendoli consultabili attraverso domande formulate in linguaggio naturale. Il paziente può verificare se durante il sonno siano stati individuati eventi sospetti, chiedere informazioni su determinati intervalli temporali o segnalare sintomi e sensazioni sperimentati. La piattaforma non si limita a restituire informazioni, ma raccoglie i riscontri sugli eventi rilevati, consentendo alla persona di indicare se una segnalazione corrisponda a una crisi effettivamente percepita, a un falso allarme oppure a una situazione incerta. Questi dati vengono utilizzati per migliorare l’interpretazione delle registrazioni e per aggiornare il comportamento degli algoritmi di riconoscimento. La comunicazione conversazionale costituisce quindi un’interfaccia operativa tra il sistema di analisi neurologica e l’esperienza soggettiva del paziente, creando un processo di verifica che può contribuire alla personalizzazione del monitoraggio.
Durante i test ospedalieri sono stati scambiati complessivamente oltre 1.300 messaggi e più del 92% delle domande relative all’attività cerebrale ha ricevuto risposte giudicate accurate e pertinenti dai ricercatori. I pazienti hanno inoltre fornito riscontri su oltre il 67% degli eventi segnalati in tempo reale, producendo un insieme di informazioni utilizzabile per distinguere più efficacemente i falsi positivi dalle crisi reali. Nella successiva simulazione prospettica, l’aggiornamento degli algoritmi mediante questi riscontri ha ridotto dell’80% gli allarmi non corretti. L’aggiunta delle valutazioni degli specialisti ha prodotto un’ulteriore diminuzione del 2%. Il risultato è significativo soprattutto perché i sistemi automatici possono classificare erroneamente come epilettiche alcune modificazioni dei segnali cerebrali, generando notifiche improprie che complicano la gestione clinica e possono aumentare la preoccupazione dei pazienti.
La sperimentazione è stata effettuata in un ambiente ospedaliero controllato e su un campione limitato. La riduzione degli allarmi è stata ottenuta mediante una simulazione prospettica e non dimostra ancora che la stessa prestazione possa essere mantenuta durante un utilizzo continuativo nella vita quotidiana. Saranno necessari ulteriori studi per verificare la robustezza degli algoritmi in condizioni non supervisionate, la qualità dei riscontri forniti dagli utenti e l’affidabilità delle informazioni comunicate attraverso l’interfaccia conversazionale. La tecnologia rappresenta comunque un’applicazione specifica dell’intelligenza artificiale al monitoraggio neurologico, nella quale il contributo del paziente diventa parte integrante dell’aggiornamento del sistema di riconoscimento delle crisi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)