Predizione precoce della colonizzazione da Enterobacterales produttori di carbapenemasi al ricovero in terapia intensiva mediante apprendimento automatico

Perché i germi nascosti in ospedale contano

Molti dei pazienti più gravi in ospedale sono trattati nelle unità di terapia intensiva (UTI), dove l’uso di antibiotici potenti e dispositivi invasivi è comune. In questo ambiente, un pericoloso gruppo di batteri intestinali — gli Enterobacterales produttori di carbapenemasi, o CPE — può insediarsi senza farsi notare. Le persone che ospitano questi germi potrebbero non sentirsi malate, ma possono diffonderli ad altri o sviluppare in seguito infezioni potenzialmente letali e difficili da trattare. Questo studio pone una domanda pratica: è possibile prevedere, nel momento in cui una persona entra in terapia intensiva, chi è già portatore di CPE in modo che il personale possa proteggere meglio gli altri pazienti?

Una minaccia silenziosa in terapia intensiva

I CPE sono batteri intestinali che hanno acquisito resistenza ai carbapenemi, alcuni degli antibiotici più potenti usati quando gli altri farmaci falliscono. In Corea del Sud le infezioni da CPE sono aumentate negli ultimi anni, seguendo una tendenza globale. I pazienti in terapia intensiva sono particolarmente a rischio perché spesso restano in ospedale più a lungo, subiscono più procedure e ricevono più antibiotici rispetto agli altri pazienti. Gli ospedali possono usare tamponi rettali per rilevare i CPE, ma i risultati richiedono tempo, e non è realistico isolare ogni nuovo paziente in terapia intensiva in attesa del referto di laboratorio. Gli autori hanno quindi cercato di costruire uno strumento che utilizzi informazioni già presenti nella cartella clinica al momento del ricovero in terapia intensiva per stimare quali pazienti sono probabilmente portatori di CPE.

Scavare nelle cartelle cliniche alla ricerca di indizi

I ricercatori hanno esaminato 4.915 ricoveri di adulti in terapia intensiva in un grande ospedale della Corea del Sud tra il 2022 e il 2023. A tutti questi pazienti sono stati effettuati tamponi rettali entro 48 ore dall’arrivo in terapia intensiva. Circa il 9,2 percento — 453 persone — è risultato colonizzato da CPE. Dalle cartelle cliniche elettroniche il team ha estratto 42 informazioni disponibili al momento del ricovero, tra cui età, degenze ospedaliere o in strutture di assistenza a lungo termine recenti, interventi chirurgici passati, patologie di base, uso precedente di antibiotici e presenza di sonde o cateteri. Con queste variabili hanno confrontato dieci approcci diversi di apprendimento automatico per valutare quale separasse meglio i portatori di CPE dai non portatori.

Un modello semplice con grande potere di esclusione

Piuttosto che privilegiare l’algoritmo più complesso, lo studio ha rilevato che un metodo relativamente lineare — la regressione logistica — offriva il miglior equilibrio per l’uso nella pratica clinica. Con una soglia di rischio scelta, il modello ha identificato correttamente circa il 73 percento dei portatori e ha classificato il 96 percento dei non portatori previsti come veramente negativi. In termini pratici, quando lo strumento dice che un paziente probabilmente non è portatore di CPE, ha quasi sempre ragione. Questo è fondamentale per i team di controllo delle infezioni che devono decidere chi ha davvero bisogno delle stanze di isolamento, risorse scarse. Altri modelli più sofisticati erano più specifici ma perdevano molti portatori veri, rendendoli meno sicuri per questo scopo.

Chi è più a rischio?

Per mantenere lo strumento comprensibile ai clinici, gli autori si sono concentrati su 12 predittori chiave. Avere un drenaggio biliare — un tubo che drena la bile dal fegato — era associato alla più alta probabilità di portare CPE. Altri segnali forti includevano la residenza recente in una struttura di assistenza a lungo termine, la presenza di una sonda nasogastrica o di un catetere venoso centrale, trattamenti steroidei recenti, l’uso precedente di più antibiotici e più giorni trascorsi in ospedale prima dell’ingresso in terapia intensiva. Una storia di colonizzazione o infezione da un altro germe resistente, gli Enterococchi resistenti alla vancomicina, aumentava anch’essa le probabilità. Il team ha usato SHAP (Shapley Additive Explanations), un metodo che mostra come ciascun fattore aumenti o diminuisca il rischio di un paziente, in modo che le predizioni individuali non siano una misteriosa “scatola nera”.

Dai numeri alle decisioni al letto del paziente

Per rendere la ricerca utilizzabile al di fuori del dataset, il team ha sviluppato un calcolatore web gratuito (www.cpepredictor.com). I clinici possono inserire le risposte a 14 domande semplici al momento del ricovero in terapia intensiva — per esempio se il paziente ha assunto recentemente certi antibiotici o ha particolari sonde — e lo strumento stima istantaneamente la probabilità di colonizzazione da CPE. Gli autori sottolineano che il modello è più utile per escludere pazienti a basso rischio, non per etichettare in modo definitivo le persone come portatrici. Un risultato positivo dovrebbe indurre a un isolamento precoce o a test molecolari rapidi, senza sostituire le colture standard di laboratorio. Sebbene lo studio sia stato condotto in un unico ospedale e necessiti di validazione in altri contesti, dimostra come strumenti di apprendimento automatico interpretativi e ben progettati possano aiutare gli ospedali a indirizzare le risorse per il controllo delle infezioni dove sono più necessarie, riducendo la diffusione di batteri altamente resistenti senza sopraffare UTI già sotto pressione.

Citazione: Kim, J.H., Yang, E., Lee, Y.W. et al. Early prediction of colonization by carbapenemase-producing enterobacterales at ICU admission using machine learning. Sci Rep 16, 6705 (2026). https://doi.org/10.1038/s41598-026-37927-8

Parole chiave: resistenza agli antibiotici, unità di terapia intensiva, controllo delle infezioni, apprendimento automatico in medicina, infezioni nosocomiali