Un large language model è stato validato nell’identificazione automatica di alcune comorbidità documentate nelle lettere di dimissione di pazienti adulti con obesità. Lo studio retrospettivo ha lavorato su 350 discharge summaries estratte dal dataset MIMIC-IV, verificando se il modello fosse in grado di riconoscere la presenza o l’assenza di quattro condizioni cliniche: diabete di tipo 2, ipertensione, iperlipidemia e apnea ostruttiva del sonno.
Il dato più rilevante riguarda la concordanza con i codici amministrativi ICD-9/10 e con una revisione manuale completa dei referti. Nell’analisi primaria basata sui codici ICD, gli F1-score sono risultati compresi tra 0,815 e 0,948. Nella seconda analisi, costruita come controllo di sensibilità attraverso revisione manuale, l’accuratezza ha raggiunto 0,963 per il diabete di tipo 2, 0,971 per l’ipertensione, 0,863 per l’iperlipidemia e 0,966 per l’apnea ostruttiva del sonno.
La ricerca si inserisce in uno dei passaggi più delicati della digitalizzazione sanitaria: trasformare informazioni cliniche non strutturate in dati utilizzabili per cura, ricerca e analisi su larga scala. Le lettere di dimissione contengono una quantità elevata di informazioni sul percorso del paziente, ma l’estrazione manuale richiede tempo, competenze e risorse. In questo scenario, gli LLM vengono valutati come strumenti capaci di leggere testi clinici complessi e ricavarne segnali strutturati.
Il campione analizzato comprendeva 350 ricoveri riferiti a 341 pazienti unici, con età media di 59,7 anni e una quota femminile del 60,4%. La prevalenza delle comorbidità, calcolata tramite codici ICD, era del 45,4% per il diabete di tipo 2, del 60,0% per l’ipertensione, del 55,4% per l’iperlipidemia e del 29,4% per l’apnea ostruttiva del sonno.
Il metodo adottato ha confrontato l’output del modello con due riferimenti distinti. Il primo era rappresentato dai codici amministrativi ICD, utilizzati come standard principale. Il secondo era una revisione manuale di tutte le lettere di dimissione, impiegata come analisi di sensibilità. Le metriche considerate includevano accuratezza, precisione, richiamo e F1-score, cioè indicatori comunemente usati per valutare la capacità di un modello di classificare correttamente casi positivi e negativi.
Nel perimetro clinico considerato, il modello ha mostrato una concordanza promettente per diabete di tipo 2, ipertensione, apnea ostruttiva del sonno e iperlipidemia. Il risultato suggerisce che un sistema di questo tipo può avvicinarsi a una lettura strutturata dei referti, almeno su compiti ben delimitati e su categorie cliniche definite in anticipo. Per ospedali, centri di ricerca e organizzazioni sanitarie, il passaggio tecnico è chiaro: meno lavoro manuale nella codifica retrospettiva, maggiore scalabilità nell’analisi dei dati clinici.
Il quadro resta però quello di una validazione sperimentale, non di una soluzione pronta per l’adozione operativa. Gli autori indicano la necessità di ulteriori verifiche, inclusa una validazione contro la revisione di esperti clinici e un’analisi delle ragioni alla base delle discrepanze tra modello, codici amministrativi e revisione manuale. È un punto cruciale, perché i codici ICD sono utili per standardizzare diagnosi e dati amministrativi, ma possono non coincidere sempre con tutta la complessità descritta nel testo clinico.
La traiettoria che emerge è quella di un’AI sanitaria più concreta, applicata non alla diagnosi autonoma ma all’organizzazione dell’informazione già presente nei sistemi ospedalieri. Se ulteriori studi confermeranno robustezza e affidabilità su contesti diversi, i modelli linguistici potranno diventare un’infrastruttura di supporto per ricerca clinica, population health e gestione dei pazienti complessi, con il vincolo di una validazione rigorosa prima di qualsiasi impiego pratico.