Predizione del piede diabetico nei pazienti con diabete mellito di tipo 2 mediante apprendimento automatico

Pubblicato il

Studio sviluppa modelli di machine learning per identificare precocemente i pazienti ad alto rischio di complicanze del piede diabetico

- Pubblicità -

Introduzione

Il piede diabetico rappresenta una delle complicanze più gravi del diabete mellito di tipo 2, con impatti significativi sulla mortalità, sulla qualità della vita e sui costi sanitari. I metodi statistici tradizionali mostrano limitazioni nel gestire dati clinici ad alta dimensionalità e nell’identificare le caratteristiche predittive ottimali. Questo studio propone un approccio innovativo integrando la teoria dell’informazione con algoritmi di apprendimento automatico avanzati per migliorare la predizione del rischio di piede diabetico.

Risultati

Lo studio ha analizzato una coorte retrospettiva di 1.179 pazienti (95 casi di piede diabetico, 1.084 controlli con T2DM) utilizzando dati clinici e biochimici dal 2019 al 2025.

  • Fattori di rischio identificati: Età, urea nel sangue (BUN), omocisteina (Hcy), albumina (ALB) e glucosio a digiuno (FBG) sono emersi come predittori indipendenti significativi del piede diabetico

  • Modello più performante: Il modello KELM basato sulla teoria dell’informazione (IT-KELM) ha raggiunto l’area sotto la curva ROC (AUC) più elevata di 0.799, con sensibilità del 79,2% e specificità del 71,0%, superando gli altri modelli valutati

  • Efficienza computazionale: La selezione delle caratteristiche ha migliorato l’accuratezza predittiva riducendo i tempi di elaborazione, con IT-KELM richiedente 0,138 secondi per l’addestramento e 0,0023 secondi per il testing

  • Caratteristiche predittive principali: Secondo l’analisi SHAP, i primi cinque fattori contribuenti al modello erano proteina totale (TP), globuli rossi (RBC), albumina (ALB), indice di massa corporea (BMI) e emoglobina (HB)

Impatto Pratico

L’integrazione della teoria dell’informazione con KELM rappresenta un avanzamento rilevante nella medicina predittiva per il diabete. Il modello IT-KELM dimostra prestazioni diagnostiche robuste e fattibilità clinica per lo screening precoce del piede diabetico, offrendo uno strumento cost-effective per identificare i pazienti ad alto rischio prima che sviluppino complicanze gravi. Questa capacità predittiva può permettere interventi precoci e una allocazione più efficiente delle risorse sanitarie, potenzialmente riducendo il rischio di amputazioni e migliorando gli outcome clinici. Tuttavia, sono necessari studi multicentrici futuri per validare la generalizzabilità del modello e perfezionare l’interpretabilità in contesti clinici reali.

📚 Fonte Scientifica: Predicting the diabetic foot in patients with type 2 diabetes mellitus based on machine learning.