Sia all’ammissione sia alla dimissione dall’ospedale il paziente dovrebbe essere sottoposto da un medico e da un farmacista ospedaliero a procedura di riconciliazione terapeutica, revisione che consente di evidenziare eventuali associazioni errate di farmaci o ridondanza. Non sempre, però, le raccomandazioni che escono da questo processo sono facili da utilizzare, per cui possono essere “ignorate”.
Per evitare che ciò accada, un team di ricerca dell’Università di Strasburgo ha sviluppato un algoritmo in grado di classificare le raccomandazioni in modo automatico, di fatto valorizzando la grande mole di dati che contengono. Pubblicato su American Journal of Health-System Pharmacy, lo studio (Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review) punta a rendere utilizzabili le raccomandazioni sui farmaci in modo retrospettivo, per esempio per migliorare la sicurezza di successive prescrizioni.
Lo studio francese
L’ospedale coinvolto nello studio è quello universitario di Strasburgo, appunto, dove le raccomandazioni dei farmacisti ospedalieri in merito alle terapie farmacologiche dei pazienti ricoverati sono state raccolte sin dal 2017. Gli autori hanno deciso di prendere le raccomandazioni dei primi sei mesi del 2017 e di farle classificare da due farmacisti esperti secondo la classificazione della French Society of Clinical Pharmacy, che prevede 19 possibili classi.
In tutto, le raccomandazioni classificate sono state 27.699. Contestualmente, è stato realizzato un classificatore di rete neurale profonda in grado di predire la classe di ogni raccomandazione. Alla fine le due classificazioni sono state messe a confronto per valutare l’efficacia del sistema automatico.
L’algoritmo si mostra abbastanza accurato
L’algoritmo sviluppato mostra, al momento, un’accuratezza predittiva dell’81%. Si delinea, quindi, come un possibile strumento per utilizzare le tante raccomandazione scritte quotidianamente dai farmacisti ospedalieri anche in maniera retrospettiva.
Tuttavia, non sempre il sistema cataloga correttamente la prescrizione: per esempio, applicato alle raccomandazioni raccolte nella seconda metà del 2017 dallo stesso ospedale, ha richiesto di essere corretto in 67 casi su 4.460, pari all’1,5% del campione. Sebbene non sia sempre preciso, l’algoritmo può comunque risultare utile perché permette di valorizzare il lavoro svolto nel tempo dai farmacisti stessi.
Studio: Alkanj A, Godet J, Johns E, Gourieux B, Michel B. Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review. Am J Health Syst Pharm. 2024 Jan 31:zxae011.
