Un algoritmo può scegliere prima l'antibiotico giusto? Lo studio italiano sorprende

L'antibiotico-resistenza resta una delle minacce più insidiose per la salute pubblica, in Italia come nel resto del mondo. Le infezioni sostenute da batteri resistenti rendono inefficaci le terapie standard, allungano i tempi di ricovero e, in molti casi, peggiorano la prognosi dei pazienti. In questo scenario si inserisce uno studio italiano, coordinato dall'IDI-IRCCS (Istituto Dermopatico dell'Immacolata) di Roma, che ha sviluppato un modello di intelligenza artificiale capace di generare un vero e proprio "antibiogramma digitale", pubblicato sulla rivista scientifica International Journal of Infectious Diseases.

La ricerca è stata condotta in collaborazione con l'Istituto Superiore di Sanità, il Consiglio Nazionale delle Ricerche, l'Università degli Studi di Salerno, l'Università Link Campus di Roma e l'azienda Kelyon. L'obiettivo era costruire un sistema in grado di prevedere la sensibilità dei batteri ai diversi antibiotici utilizzando esclusivamente i dati clinici e microbiologici che vengono già raccolti quotidianamente negli ospedali, senza bisogno di esami aggiuntivi.

I numeri dello studio sono consistenti: i ricercatori hanno analizzato 15.581 isolati batterici provenienti da 9.966 pazienti, assistiti tra il 2018 e il 2024 in due strutture ospedaliere italiane. Su questa base di dati è stato addestrato e validato un modello di machine learning capace di prevedere la sensibilità batterica ai diversi antibiotici con un'accuratezza superiore al 90%, e soprattutto con almeno 48 ore di anticipo rispetto ai tempi richiesti dall'antibiogramma tradizionale di laboratorio.

Questo anticipo temporale è il cuore del valore clinico della scoperta. Nella pratica ospedaliera, di fronte a un'infezione grave, i medici sono spesso costretti ad avviare una terapia antibiotica empirica, basata sull'esperienza clinica e su probabilità statistiche, in attesa dei risultati colturali. Un antibiogramma digitale disponibile fin dalle prime ore permetterebbe di personalizzare subito la terapia, riducendo il rischio di trattamenti inefficaci e limitando il ricorso indiscriminato ad antibiotici ad ampio spettro, uno dei principali motori della selezione di batteri resistenti.

A guidare il gruppo di ricerca è stato l'oncologo Antonio Facchiano, del Laboratorio di Oncologia Molecolare dell'IDI-IRCCS di Roma, che ha tenuto a chiarire i limiti e la reale portata dello strumento: "malgrado la rilevanza dei risultati raccolti, non si deve pensare che l'intelligenza artificiale finirà col sostituire il medico. Le previsioni generate dai modelli potranno essere ulteriormente migliorate, ma rappresentano uno strumento di supporto decisionale da integrare con l'esperienza clinica e la valutazione complessiva del quadro del paziente". Facchiano ha inoltre indicato la direzione futura del progetto: "l'obiettivo finale è sviluppare sistemi capaci di combinare intelligenza artificiale e microbiologia in tempo reale, per offrire terapie antimicrobiche di precisione e contrastare efficacemente la crescente minaccia dell'antibiotico-resistenza".

Un aspetto sottolineato dai ricercatori riguarda la componente di medicina personalizzata insita nel modello: le scelte terapeutiche suggerite dall'algoritmo non dipendono soltanto dal microrganismo isolato, ma anche dalle caratteristiche specifiche del paziente e dalla sua storia clinica. Questo avvicina lo strumento al più ampio campo della medicina di precisione, che punta a calibrare le terapie sulle caratteristiche individuali di ciascun paziente per aumentarne efficacia e sicurezza.

Il prossimo passo indicato dagli stessi autori sarà la validazione del modello su popolazioni più ampie ed eterogenee, un passaggio necessario prima di qualsiasi integrazione strutturata nei percorsi assistenziali. Al momento, è bene ribadirlo, si tratta di un sistema di supporto alla decisione clinica e non di una sostituzione dell'antibiogramma tradizionale o del giudizio del medico.

Il tema affrontato dallo studio si colloca in un contesto di forte investimento pubblico sulla ricerca in queste aree. Il secondo Bando di Ricerca Indipendente 2025 dell'Agenzia Italiana del Farmaco (AIFA), dedicato proprio ad antimicrobico-resistenza e medicina di precisione, ha raccolto 107 proposte di studio per un finanziamento complessivo di 20 milioni di euro: 32 progetti relativi alla lotta ai batteri multiresistenti e 75 dedicati alla medicina di precisione, con una forte componente di digital health e intelligenza artificiale applicata alle prescrizioni. Il presidente di AIFA, Robert Nisticò, aveva definito l'antibiotico-resistenza "una pandemia silente" che, secondo le stime dell'ECDC (Centro europeo per il controllo delle malattie), provoca circa 12mila morti l'anno in Italia, con un costo per il Servizio sanitario nazionale stimato in 2,4 miliardi di euro annui.

Per i professionisti sanitari, la notizia tocca tre nodi centrali della pratica clinica quotidiana: l'appropriatezza terapeutica, la stewardship antimicrobica e la rapidità di risposta nelle infezioni potenzialmente gravi. Se confermato su casistiche più ampie, un antibiogramma digitale potrebbe diventare uno strumento utile per ridurre i ritardi terapeutici, rafforzare la collaborazione tra laboratorio e reparto clinico e contenere l'impatto delle resistenze batteriche sui percorsi di cura. Resta però un passaggio, non un punto di arrivo: la strada verso l'integrazione sicura di questi modelli nella pratica clinica quotidiana richiede ancora tempo, dati e validazione, ma la direzione tracciata dallo studio dell'IDI-IRCCS indica con chiarezza dove si sta muovendo la ricerca su uno dei problemi più urgenti della medicina contemporanea.