![\"\"](\"https:\/\/www.hunimed.eu\/wp-content\/uploads\/2025\/08\/iStock-1060623932.jpg\")
<\/p>\n<\/p>\n
Il Natural Language Processing (NLP)<\/strong> \u00e8 il trattamento informatico della lingua naturale<\/strong> (il linguaggio umano) che usiamo tutti i giorni per comunicare. In ambito medico, il NLP non \u00e8 altro che un software che riesce a identificare dalle parole un modo per definire meglio una malattia, per esempio la sincope. Pi\u00f9 precisamente, il Natural Language Processing \u00e8 un insieme di tecniche computazionali per analizzare e rappresentare un testo o il linguaggio umano ad uno o pi\u00f9 livelli di analisi linguistica, con l\u2019obiettivo di ottenere una lingua articolata, un processo linguistico, secondo le sembianze di quella umana, ed in grado di adattarsi a differenti compiti (E.D. Liddy, Center for Natural Language Processing \u2013 Syracuse University).<\/p>\n Per saperne di pi\u00f9 su questo argomento tanto interessante quanto complesso, abbiamo intervistato un esperto, il Professor Raffaello Furlan<\/strong>, Direttore della Clinica Medica \u2013 Medicina 4 e Responsabile della \u201cUnit\u00e0 Sincope e Disturbi della Postura\u201d in 麻豆传媒AV在线看 Research Hospital<\/strong>, nonch\u00e9 Direttore della Scuola di Specialit\u00e0 di Medicina Interna e Presidente della Scuola di Fisioterapia in 麻豆传媒AV在线看 University<\/strong>.<\/p>\n \u00a0<\/strong><\/p>\n E\u2019\u00a0 una metodica, di fatto un software,\u00a0 che consente di identificare e classificare un termine che riflette una malattia, nel nostro caso la sincope,\u00a0 all\u2019interno delle note scritte dal medico o dall\u2019infermiere\u00a0 al momento di accettare e visitare il paziente in Pronto Soccorso.<\/p>\n Nel caso specifico della sincope<\/strong>, il NLP viene utilizzato per identificare la patologia nell\u2019ambito di un gruppo di circa 30 mila pazienti<\/strong>. Ci\u00f2 si potrebbe ottenere usando gli ICD-9 o ICD-10 (dove ICD sta per \u201cInternational Classification of Diseases\u201d), che sono dei codici internazionali che permettono l\u2019identificazione di questa malattia, ma solo a scopo di epidemiologia clinica. Si \u00e8 visto tuttavia che l\u2019impiego solo di ICD-9 presenta importanti limitazioni principalmente legate alla scarsa accuratezza con cui l\u2019ICD-9 viene compilato (in tutto il mondo!) ed il fatto di non riuscire ad identificare molte sincopi. Si pensi ad esempio al caso di un paziente anziano che per via di una sincope cade a terra e si frattura il femore. In quel caso la diagnosi ICD-9 di dimissione sar\u00e0 ovviamente \u201cfrattura di femore\u201d e il motivo della caduta, cio\u00e8 la sincope, viene a perdersi. Se, invece, esiste la necessit\u00e0 di condurre studi scientifici, occorre essere pi\u00f9 precisi. Un approccio pi\u00f9 preciso \u00e8 reso possibile dall\u2019intelligenza artificiale <\/strong>che poi si esplica secondo diverse modalit\u00e0, tra cui il machine learning<\/strong> (apprendimento automatico) e il NLP<\/strong>.<\/p>\n \u00a0<\/strong><\/p>\n L\u2019algoritmo<\/strong>, che deve identificare la sincope nel testo libero scritto dal medico o dall\u2019infermiere, va ad analizzare i cosiddetti unigrammi<\/strong>, bigrammi <\/strong>o trigrammi<\/strong>, in cui ci sono una, due o tre parole in un qualche modo correlate al termine che vogliamo identificare. Gli unigrammi sono quella parole isolate, oltre al termine sincope, sinonimi di sincope o che \u00a0ne possono indicare la causa o relazione come assenza, caduta, capogiro, ipotensione, lipotimia, malessere, pre-sincope, o anche, trauma, frattura. I bigrammi sono, ad esempio, crisi lipotimica, crisi epilettica; i trigrammi, ferita lacero contusa oppure perdita di coscienza. L\u2019algoritmo, quindi, cerca quelle parole che sono correlate all\u2019evento che vogliamo andare a riconoscere e, incrociando gli unigrammi, i bigrammi e i trigrammi, riesce a identificare con elevata probabilit\u00e0 l\u2019evento sincope e ad attribuirlo a quella cartella elettronica di quello specifico paziente.<\/p>\n <\/p>\n Si tratta della prima volta<\/strong>, s\u00ec.<\/p>\n Abbiamo condotto degli studi preliminari<\/strong> impiegando le<\/strong> reti neurali <\/strong>(un software che simula il funzionamento delle reti dei neuroni umani producendo per un determinato input anche outputs non lineari). Per certi versi le reti neurali\u00a0 artificiali sono una forma \u201ciniziale\u201d di intelligenza artificiale poich\u00e8 riescono a seguire (modellizzare) molti processi biologici che sono per la gran parte non lineari.<\/p>\n \u00a0<\/strong><\/p>\n Il grosso vantaggio \u00e8 la possibilit\u00e0 di accedere a dati amministrativi<\/strong>, quindi poter condurre degli studi retrospettivi su popolazioni molto ampie. Questi <\/strong>\u00a0sarebbero possibili soltanto identificando una malattia secondo i codici ICD-9, dei quali abbiamo visto prima alcuni limiti. Il nostro studio impiega due popolazioni, una raccolta durante quattro mesi del 2013 e un\u2019altra corrispondente a quattro mesi del 2015. Il totale delle cartelle elettroniche analizzate corrisponde ad oltre 15 mila pazienti. \u00a0\u00a0<\/p>\n In questo caso non si tratta di dati <\/strong>strutturati , come negli studi retrospettivi fatti in passato. Per spiegarmi meglio, un dato strutturato indica che una certa popolazione viene caratterizzata da elementi clinici che vengono posti in una cartella di tipo Excel. In una cartella strutturata, cio\u00e8, tutti i pazienti hanno un fattore di rischio che si chiama ad esempio \u201clivello del colesterolo\u201d, hanno una comorbidit\u00e0 che si chiama \u201cdiabete mellito\u201d, ecc., hanno delle caratteristiche precise della malattia che nel caso della sincope si riferiscono \u00a0per esempio al fatto che essa \u00a0sia insorta in posizione eretta oppure durante un esercizio fisico. Tutti questi elementi posti in una cartella Excel creano un data base strutturato, il che \u00e8 possibile, per\u00f2, per un numero limitato di variabili e di pazienti, e necessita inoltre un inserimento spesso manuale dei dati con grosso impiego di tempo uomo. \u00a0<\/p>\n Con il nostro approccio, invece, \u00e8 possibile analizzare automaticamente le cartelle elettroniche. <\/strong>A queste vengono\u00a0 successivamente appaiati gli eventuali \u00a0dati strutturati che gli specialisti IT di 麻豆传媒AV在线看 sono riusciti anche a fornirci. Quello che \u00e8 interessante \u00e8 che, appunto, dalle annotazioni del medico possiamo chiaramente risalire alla patologia, perch\u00e9 i nostri algoritmi<\/strong> (e questa \u00e8 un\u2019altra novit\u00e0 importante) dal punto di vista teorico sono applicabili anche ad altre malattie o ad altri sintomi<\/strong> oltre alla sincope, per esempio al dolore toracico, al dolore addominale o alla mancanza di fiato (dispnea).<\/p>\n \u00a0<\/strong><\/p>\n Il primo elemento di importanza \u00e8 che l\u2019articolo entra in un numero speciale del giornale dedicato all\u2019Intelligenza Artificiale. Un secondo elemento \u00e8 che abbiamo comunicato alla comunit\u00e0 scientifica internazionale che al momento esiste la possibilit\u00e0, attraverso l\u2019analisi del linguaggio naturale, quindi con tecniche di intelligenza artificiale, di identificare le sincopi nell\u2019ambito di una popolazione che si \u00e8 presentata al Pronto Soccorso. Questo \u00e8 ovviamente il primo passo. In un prossimo futuro, sempre usando algoritmi di intelligenza artificiale, credo sar\u00e0 possibile stratificare il rischio \u201cindividuale\u201d<\/em> dei pazienti con sincope. <\/strong>Sar\u00e0 cio\u00e8 possibile identificare il caso potenzialmente pi\u00f9 grave perch\u00e9 caratterizzato da un possibile peggior prognosi<\/em>, confrontandolo con le caratteristiche di una popolazione molto ampia di cui \u00e8 gi\u00e0 noto l\u2019outcome,\u00a0 identica al paziente stesso per et\u00e0, sesso, copatologie, fattori di rischio etc. Si eserciterebbe quindi davvero una medicina personalizzata, in cui l\u2019evidenza non sarebbe basata solo su studi di popolazione ma sarebbe individualizzata.\u00a0<\/p>\n \u00a0<\/strong><\/p>\n Parlando di obiettivi, \u00e8 necessario sottolineare che questo lavoro \u00e8 il frutto del contributo cruciale di un gruppo di persone che stanno lavorando molto bene in team e le cui figure Senior sono rappresentate dalla Dr.ssa Dipaola, Dr. Brunetta e dal Dr. Gatti, un fisico di IBM. Inoltre ci sono giovani medici specializzandi (Dr. R. Men\u00e8, D. Shiffer) e uno studente del 4\u00b0 anno del Corso Internazionale di Medicina di Humanita University (A. Giaj Levra). Senza il loro contributo e quello dei \u201cragazzi IT\u201d di 麻豆传媒AV在线看 (soprattutto di M. Anastasio) questo lavoro non avrebbe potuto essere fatto. Per il momento il nostro algoritmo funziona sulla nostra popolazione e con linguaggio naturale italiano, quindi Il prossimo passaggio sar\u00e0 quello di vedere se funziona bene anche su altri data base. <\/strong>\u00a0\u00a0Per questo siamo in contatto con i colleghi del Policlinico di Milano. Un altro aspetto importante \u00e8 quello di validarlo anche su un linguaggio differente dall\u2019Italiano<\/strong> (come l\u2019inglese, per esempio). \u00a0Da questo punto di vista siamo relativamente ottimisti, perch\u00e9 l\u2019inglese ha una banca dati di termini medici gi\u00e0 a disposizione per i nostri algoritmi molto ampia per cui dovrebbe essere pi\u00f9 semplice ottenere una buona performance degli algoritmi stessi. Siamo in contatto inoltre \u00a0con \u00a0colleghi norvegesi e con un gruppo di colleghi di Tel Aviv . In questi casi, che rappresentano la situazione opposta all\u2019inglese,\u00a0 credo le cose si complicheranno per via del fatto che le note scritte da medici e infermieri in PS sono rispettivamente in norvegese ed ebraico. \u00a0<\/p>\n Il sogno ed il lascito per i pi\u00f9 giovani \u00e8 quello di riuscire \u00a0a mettere in rete le banche dati italiane, europee, americane, canadesi ecc., per avere a disposizione milioni di informazioni ed arrivare all\u2019obiettivo finale di una medicina veramente personalizzata. <\/strong><\/p>\n","protected":false},"excerpt":{"rendered":" Il Natural Language Processing (NLP) \u00e8 il trattamento informatico della lingua naturale (il linguaggio umano) che usiamo tutti i giorni per comunicare. In ambito medico, il NLP non \u00e8 altro che un software che riesce a identificare dalle parole un modo per definire meglio una malattia, per esempio la sincope. Pi\u00f9 precisamente, il Natural Language […]<\/p>\n","protected":false},"author":1,"featured_media":17489,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","footnotes":""},"categories":[2385],"tags":[],"class_list":["post-37475","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tutti-5"],"acf":[],"yoast_head":"\nProfessore, che cos\u2019\u00e8 il\u00a0Natural Language Processing?<\/h2>\n
Come avviene l\u2019identificazione automatica della sincope sui verbali elettronici di Pronto Soccorso?<\/h2>\n
\u00c8 la prima volta che il\u00a0Natural Language Processing\u200b viene impiegato\u00a0nell\u2019identificazione automatica della sincope su verbali elettronici del Pronto Soccorso? \u00a0<\/h2>\n
Quali sono i vantaggi?<\/h2>\n
Qual \u00e8 l\u2019importanza che l\u2019articolo sia stato\u00a0accettato dal Journal of Clinical Medicine?<\/h2>\n
Quale sar\u00e0 il prossimo obiettivo?<\/h2>\n