Predizione delle reazioni cutanee avverse da antibiotici utilizzando modelli di base per cartelle cliniche elettroniche

Perché prevedere le eruzioni cutanee da farmaci è importante

Chiunque abbia sviluppato un’eruzione cutanea dopo aver assunto un farmaco sa quanto possa essere allarmante. Nella maggior parte dei casi queste reazioni sono lievi e si risolvono da sole. Ma in rari casi possono evolvere in condizioni potenzialmente letali che danneggiano estese aree di pelle e richiedono cure intensive. Gli antibiotici sono tra i farmaci più frequentemente associati a queste reazioni, eppure i medici non dispongono di un modo affidabile per sapere in anticipo quali pazienti sono a maggior rischio. Questo studio esplora se i modelli nascosti nelle registrazioni ospedaliere di routine possano aiutare a prevedere chi è probabile che sviluppi una reazione cutanea correlata agli antibiotici prima che essa si manifesti.

Reazioni cutanee da farmaci

I problemi cutanei sono l’effetto collaterale visibile più comune dei farmaci. Vanno da macchie rosse pruriginose a disturbi pericolosi come la sindrome di Stevens–Johnson e la necrolisi epidermica tossica, che possono essere fatali. Gli antibiotici, in particolare tipi ampiamente usati come le penicilline e i farmaci correlati, sono scatenanti frequenti. Sebbene queste reazioni gravi siano rare, qualsiasi reazione farmacologica seria può allungare la degenza ospedaliera, aumentare i costi e, nei casi peggiori, causare la morte. Nonostante questo onere, non esiste un test di screening standard che gli ospedali possano applicare a tutti i pazienti per prevedere reazioni cutanee avverse ai farmaci, in particolare quelle legate agli antibiotici.

Trasformare le cartelle cliniche in indizi

Gli ospedali moderni archiviano enormi quantità di informazioni nelle cartelle cliniche elettroniche: diagnosi, risultati di esami del sangue, farmaci prescritti e procedure, spesso raccolti nel corso di molti anni. In questo studio i ricercatori hanno trattato queste lunghe sequenze di codici medici come righe di testo in un documento. Hanno utilizzato “modelli di base” provenienti dalla tecnologia del linguaggio: sistemi che apprendono schemi generali da grandi insiemi di dati e possono poi essere perfezionati per compiti specifici. Il team ha analizzato le cartelle di oltre 800.000 pazienti adulti ricoverati in tre grandi ospedali coreani, che hanno soggiornato almeno tre giorni e hanno ricevuto antibiotici. Per rilevare con affidabilità le reazioni cutanee, non si sono basati solo sui codici di diagnosi; hanno anche estratto appunti infermieristici e dichiarazioni infermieristiche strutturate che registravano osservazioni come la presenza di eruzione cutanea o orticaria.

Costruzione e test del modello predittivo

I ricercatori hanno confrontato diverse metodologie, dai classici metodi di machine learning come le random forest alle reti di deep learning e tre diversi modelli di base per cartelle cliniche. Per ogni paziente, ai modelli è stato chiesto di decidere, al momento dell’ultima prescrizione di antibiotico, se si sarebbe verificata una reazione cutanea nel breve periodo successivo. Tra tutti i metodi, un modello chiamato CDM-BERT, specificamente adattato al formato di dati comune usato dagli ospedali, ha ottenuto le migliori prestazioni. Ha distinto correttamente i casi futuri di eruzione dai non-casi con altissima precisione nell’ospedale su cui è stato addestrato, e ha mantenuto solide prestazioni quando è stato applicato, senza ulteriori aggiustamenti, agli altri due ospedali i cui dati presentavano differenze.

Cosa il modello ha appreso sui fattori di rischio

Per verificare se il modello stesse prestando attenzione a informazioni di rilevanza medica piuttosto che a rumore casuale, il team ha esaminato quali parti della cartella influenzavano maggiormente le sue decisioni. È stata data maggiore importanza a condizioni note per essere associate a reazioni da farmaci—come il cancro, l’insufficienza renale cronica e la malattia epatica cronica—e a certe categorie di farmaci, inclusi antibiotici e anticonvulsivanti. Interessante, in un ospedale dove i codici dei farmaci non corrispondevano al sito di addestramento, il modello ha comunque funzionato bene facendo maggior affidamento sui risultati di laboratorio e sulla storia delle malattie, dimostrando la capacità di adattarsi a diversi ambienti di dati. I ricercatori hanno anche separato le reazioni in “immediate” (che si verificano poco dopo una dose) e “ritardate” (che emergono dopo esposizioni più prolungate). Il modello ha mostrato maggiore confidenza e stabilità nel predire le reazioni ritardate, che oggi sono le più difficili da prevedere con i test tradizionali.

Limiti, sfide e prossimi passi

Nonostante le prestazioni promettenti, il modello non identifica ancora quale antibiotico specifico sia responsabile, né può distinguere tra eruzioni lievi e le rare ma devastanti reazioni cutanee severe che richiedono cure specialistiche urgenti. Lo studio ha coinvolto ospedali di un solo Paese e ha incontrato problemi tecnici come differenze nei sistemi di codifica dei farmaci e la necessità di usare ricerche basate su regole su testi liberi degli appunti infermieristici. Inoltre, tradurre i pattern di “attenzione” interni del modello in semplici regole cliniche rimane difficile, e l’approccio si è concentrato principalmente su problemi cutanei relativamente lievi piuttosto che sull’intero spettro delle reazioni severe.

Cosa significa per pazienti e clinici

Questo lavoro mostra che, combinando con cura i dati di routine ospedalieri con le osservazioni infermieristiche, modelli informatici avanzati possono stimare il rischio che un paziente sviluppi una reazione cutanea correlata agli antibiotici, in particolare le reazioni a insorgenza più lenta per le quali mancano test di laboratorio affidabili. In pratica, uno strumento del genere potrebbe aiutare i medici a segnalare i pazienti a rischio più elevato per un monitoraggio più attento, per scegliere farmaci alternativi o per dosaggi più prudenti, lasciando nel contempo la maggior parte dei pazienti a ricevere le cure standard. Lo studio rappresenta un passo verso la trasformazione del “tracciato digitale” della pratica medica quotidiana in una rete di sicurezza che intercetta prima le reazioni farmacologiche serie, prevenendo potenzialmente i danni prima che si manifestino sulla pelle.

Citazione: Kim, J., Kim, K., Yun, JE. et al. Prediction of antibiotic-associated cutaneous adverse drug reactions using electronic health record foundation models. npj Digit. Med. 9, 311 (2026). https://doi.org/10.1038/s41746-026-02503-x

Parole chiave: effetti collaterali degli antibiotici, eruzione cutanea da farmaci, cartelle cliniche elettroniche, predizione medica con IA, reazioni avverse ai farmaci