L’intelligenza artificiale entra in corsia per supportare la cura dei neonati grandi prematuri. Uno studio innovativo, frutto della collaborazione tra la Fondazione IRCCS San Gerardo dei Tintori di Monza e il Politecnico di Milano, ha dimostrato come algoritmi predittivi possano guidare i medici nella definizione di un’alimentazione personalizzata. La ricerca, pubblicata sulla prestigiosa rivista Journal of Perinatology del gruppo Nature, apre nuove prospettive per ridurre il rischio di rallentamento della crescita extrauterina (EUGR).
La sfida della transizione nutrizionale
Il momento più critico nella gestione del neonato pretermine è il passaggio dall’alimentazione per via endovenosa (parenterale) a quella per via orale (enterale). Questa fase di transizione nutrizionale è priva di approcci standardizzati e un errore nell’apporto di nutrienti può causare complicazioni o compromettere lo sviluppo neurocognitivo. Lo studio ha analizzato oltre mille cartelle cliniche elettroniche, permettendo all’intelligenza artificiale di identificare pattern complessi che i metodi tradizionali non riescono a catturare.
Il team di ricerca della Fondazione IRCCS San Gerardo dei Tintori è stato composto dalle neonatologhe Maria Luisa Ventura, Valentina Bozzetti, Valeria Cavalleri e Lucia Iozzi, affiancate dalle ingegnere Emanuela Zannin e Paola Coglianese. Per il Politecnico di Milano hanno contribuito la professoressa Simona Ferrante e le ingegnere Linda Greta Dui e Silvia Riccò.
Risultati e personalizzazione delle cure
Dall’analisi dei dati è emerso che l’apporto di proteine e lipidi nei primi giorni di vita, unito al tasso di crescita della prima settimana, è determinante per predire lo sviluppo del neonato. Un elemento di particolare rilievo riguarda la suddivisione dei pazienti in profili di prematurità differenti: l’intelligenza artificiale ha rivelato che ogni gruppo ha fabbisogni nutrizionali specifici, suggerendo la necessità di una cura su misura.
Secondo Valentina Bozzetti, studiare questa fase significa sostenere la qualità complessiva dello sviluppo, mentre Simona Ferrante ha sottolineato come l’integrazione tra competenze ingegneristiche e cliniche trasformi i dati in strumenti decisionali. L’obiettivo finale non è sostituire il medico, ma fornire modelli capaci di anticipare i bisogni del singolo paziente, calibrando le strategie in base alla gravità della prematurità.
