• Natuarl language processing
• machine learning
• infezioni del sito chirurgico
• sorveglianza

L'Organizzazione Mondiale della Sanità considera prioritaria la lotta alle infezioni correlate all’assistenza (ICA) e alla resistenza antimicrobica. Secondo la definizione del Center of Disease and Control, un'infezione del sito chirurgico (ISC) si verifica entro 30 giorni (o 90 giorni per gli impianti protesici) dopo l'intervento chirurgico e costituisce il 20% delle ICA in Europa, interessando dall'1% al 10% dei pazienti chirurgici. Le ISC gravano globalmente sui pazienti con morbilità, mortalità e aumento dei costi. Gli attuali sistemi di sorveglianza ospedaliera spesso sottostimano le ISC a causa di programmi di sorveglianza e controllo inadeguati. Le segnalazioni cliniche, fondamentali per l'identificazione delle ISC, non sono integrate in modo coerente nella sorveglianza automatizzata. Inoltre, quasi il 50% delle ISC si verifica dopo la dimissione, il che le rende difficili da prevedere utilizzando gli indici di rischio standard. L'intelligenza artificiale, in particolare l'apprendimento automatico nel contesto della sorveglianza delle infezioni nosocomiali, può fornire un grande supporto attraverso lo sviluppo di algoritmi automatizzati. Questo progetto mira a sviluppare uno strumento di intelligenza artificiale, basato sull'elaborazione del linguaggio naturale (NLP), per aiutare a identificare i casi di infezioni del sito chirurgico (ISC) dai record sanitari elettronici (EHR) come parte di un programma di sorveglianza delle ICA in un contesto ospedaliero universitario italiano. In particolare, il nostro obiettivo è sviluppare un sistema di sorveglianza automatizzato per identificare le ISC dal testo non strutturato delle lettere di dimissione ospedaliera (LDO). Il progetto sarà suddiviso in due domini e in ulteriori fasi sequenziali per raggiungere gli obiettivi specifici: 1) Dominio 1: prevede lo sviluppo dello strumento basato sull'intelligenza artificiale per la sorveglianza delle ISC attraverso un processo in quattro fasi, una consecutiva all'altra: a) Fase 1: identificazione dei dati, etichettatura manuale, conferma dei casi di ISC e valutazione della qualità dei dati; b) Fase 2: validazione interna dello strumento; c) Fase 3: validazione esterna dello strumento; d) Fase 4: apprendimento federato. 2) Dominio 2: il progetto prevede di calcolare l'incidenza delle ISC identificate nel corso dell'anno 2021, al fine di disporre di un dato di riferimento su cui stimare in futuro gli effetti della sorveglianza e delle conseguenti azioni messe in atto per prevenire il verificarsi di ISC.