Emorragia intracranica da anticoagulanti, l’intelligenza artificiale aiuta a ricostruire la disabilità neurologica dai referti clinici

L’elaborazione del linguaggio naturale (NLP) potrebbe ampliare l’utilizzo delle cartelle cliniche elettroniche nella ricerca neurologica, consentendo di ricostruire retrospettivamente il livello di disabilità funzionale dei pazienti con emorragia intracranica correlata agli inibitori del fattore Xa. È quanto emerge da uno studio pubblicato su Frontiers, che ha applicato tecniche di NLP ai referti clinici non strutturati di veterani statunitensi ricoverati per emorragia intracranica associata a terapia anticoagulante.

Lo studio ha incluso 269 pazienti trattati con agenti di reversal o replacement therapy tra il 2014 e il 2022. L’età media era di 75,7 anni e il 96,7% del campione era rappresentato da uomini. Gli anticoagulanti più utilizzati erano apixaban e rivaroxaban.

L’obiettivo principale del lavoro era verificare la possibilità di derivare retrospettivamente il punteggio della modified Rankin Scale (mRS), una delle principali scale utilizzate per misurare la disabilità neurologica dopo ictus o emorragia intracranica. Gli autori sottolineano che questo dato raramente viene registrato in campi strutturati delle cartelle elettroniche e resta spesso confinato nelle note narrative dei clinici.

Per affrontare il problema, i ricercatori hanno utilizzato algoritmi di NLP capaci di identificare termini e descrizioni relativi allo stato funzionale dei pazienti, comprese informazioni su autonomia, mobilità, attività quotidiane, stato cognitivo e necessità di assistenza. I segmenti testuali estratti sono poi stati revisionati da due valutatori indipendenti per assegnare il punteggio mRS nei diversi momenti di follow-up.

Parallelamente, lo studio ha applicato tecniche NLP anche per l’estrazione del Glasgow Coma Scale (GCS), utilizzato come indicatore della gravità neurologica e come supporto alla validazione del metodo. Secondo gli autori, il GCS è risultato più facilmente identificabile nei documenti clinici rispetto alla mRS.

I risultati mostrano che il 64% dei pazienti presentava una grave disabilità funzionale al baseline, con punteggi mRS compresi tra 4 e 5. La quota di pazienti con stato funzionale favorevole è poi aumentata progressivamente, passando dal 36,1% al baseline al 42,2% alla dimissione, fino al 58,3% a 90 giorni.

Tra i fattori associati a outcome peggiori figuravano un elevato punteggio mRS iniziale, una maggiore presenza di comorbidità, l’età avanzata e, in alcuni modelli, specifici tipi di emorragia intracranica.

Secondo gli autori, l’aspetto più rilevante dello studio non riguarda soltanto gli outcome clinici, ma soprattutto la dimostrazione di fattibilità dell’approccio NLP applicato ai dati neurologici real-world. Questo modello potrebbe infatti consentire di integrare sistematicamente misure funzionali in grandi database clinici anche quando tali informazioni non risultano disponibili in forma strutturata.

Il lavoro evidenzia tuttavia anche diversi limiti metodologici. La derivazione dei punteggi mRS ha richiesto ancora una revisione manuale da parte degli esperti, poiché la documentazione clinica risultava spesso incompleta o non standardizzata. Inoltre, il follow-up a 90 giorni presentava un’elevata quota di dati mancanti, legata alla natura retrospettiva dello studio e ai pattern di utilizzo reale dei servizi sanitari.

Secondo gli autori, l’integrazione tra NLP e cartelle cliniche elettroniche potrebbe comunque rappresentare un passaggio importante per la ricerca neurologica osservazionale, permettendo di valutare outcome funzionali e traiettorie di recupero in popolazioni ampie e complesse senza dipendere esclusivamente da trial prospettici o registri dedicati.

Frontiers | Natural language processing (NLP)-assisted assessment of neurologic severity and functional outcomes in factor Xa inhibitor–related intracranial hemorrhages