L’intelligenza artificiale generativa utilizza modelli di apprendimento profondo capaci di creare nuovi contenuti testuali, visivi o sonori a partire da dati esistenti. I Large Language Models (LLM), come GPT, analizzano e producono linguaggio naturale su vasta scala e possono trasformare la gestione delle malattie infettive: dalla sorveglianza epidemiologica alla diagnosi, dalla previsione di outbreak alla gestione dell’antimicrobicoresistenza (AMR).
Descriviamo brevemente alcune delle aree di applicazioni di questi modelli.
Applicazioni cliniche e di sanità pubblica
L’uso dei LLM come Clinical Decision Support System (CDSS) sta crescendo rapidamente. Questi modelli sintetizzano informazioni complesse – dati clinici, microbiologici e linee guida – fornendo al medico un supporto immediato nella scelta diagnostica o terapeutica. Strumenti come OpenEvidence (www.openevidence.com) integrano fonti scientifiche aggiornate e permettono di valutare rapidamente evidenze su patogeni emergenti, resistenze antimicrobiche o schemi di trattamento, riducendo errori e tempi decisionali.
I LLM possono riconoscere pattern di resistenza o trasmissione nei database microbiologici, individuando cluster ospedalieri e tendenze emergenti prima che diventino epidemie. Integrati nei sistemi informativi ospedalieri o regionali, possono analizzare referti di laboratorio, diari clinici e dati Electronic Health Record (EHR) per segnalare anomalie, fornendo alert precoci a infettivologi e team di infection control. In ambito di sorveglianza epidemiologica, i modelli analizzano flussi di dati eterogenei (cartelle cliniche, social media, notizie, trasporti, spostamenti dei pazienti) per anticipare la diffusione di patogeni o valutare l’impatto di misure di contenimento.
Nella pratica quotidiana, i LLM possono automatizzare attività ordinarie e informative: redigono note cliniche, sintetizzano anamnesi, producono lettere di dimissione e verificano la corretta codifica diagnostica (SDO, DRG). In ambito infettivologico, possono estrarre da testi non strutturati (referti microbiologici, consulenze, diari clinici) informazioni su ceppi batterici, antibiogrammi o percorsi terapeutici, migliorando la qualità e la tempestività del dato.
Un ulteriore campo applicativo è la comunicazione medico-paziente. Chatbot e assistenti virtuali possono fornire informazioni su profilassi, aderenza terapeutica o gestione domiciliare di infezioni croniche come HIV o epatiti, oltre a diffondere messaggi educativi su uso corretto degli antibiotici. Sperimentazioni sono in corso per il supporto al triage in Pronto Soccorso e per la gestione automatizzata dei flussi di follow-up e vaccinazione.
Didattica e formazione
I LLM stanno rivoluzionando anche la formazione infettivologica. Integrati in simulatori clinici, consentono di affrontare scenari realistici – come la gestione di sepsi, focolai ospedalieri o infezioni emergenti – con pazienti virtuali che rispondono in modo coerente e contestuale. Queste esperienze rendono l’apprendimento più immersivo e aiutano a sviluppare competenze comunicative, diagnostiche e decisionali. In futuro, tali strumenti potranno offrire percorsi formativi personalizzati, adattati al livello di ciascun discente.
Ricerca e scrittura scientifica
Nel campo della ricerca, i LLM possono analizzare rapidamente grandi volumi di dati clinici e microbiologici per identificare pazienti arruolabili nei trial, ad esempio studi su nuove molecole antibiotiche o strategie di stewardship. Consentono di selezionare candidati in modo più rapido e trasparente, ottimizzando il reclutamento e riducendo i costi.
Gli stessi modelli possono analizzare e riassumere migliaia di pubblicazioni biomediche e articoli complessi e identificare trend emergenti in ambito AMR, vaccini o patogeni zoonotici. Ciò accelera la generazione di ipotesi e la revisione della letteratura, rendendo la ricerca più mirata e fondata sui dati.
I LLM supportano la stesura e revisione di articoli biomedici, migliorando chiarezza e coerenza stilistica. Possono generare o riformulare testi, sintetizzare evidenze, proporre riferimenti e tradurre documenti tecnici. Strumenti come ChatGPT o SciSpace velocizzano la scrittura di abstract e discussioni, purché sotto stretta supervisione per evitare bias o allucinazioni. Un uso etico richiede la dichiarazione della loro adozione e il controllo dell’autore.
Limiti e prospettive
Nonostante i progressi, solo una minima parte degli studi (circa il 5%) ha valutato gli LLM su dati clinici reali. La loro integrazione nella pratica infettivologica richiede non solo modelli accurati, ma flussi di lavoro strutturati, supervisione umana e governance chiara. Le applicazioni restano per lo più a livello pilota. Le sfide principali riguardano la gestione della privacy, la sicurezza dei dati, la robustezza dei modelli e l’adattabilità ai contesti reali. Serve dimostrare l’impatto dell’AI non solo sull’efficienza o la documentazione, ma anche sugli outcome clinici e sulla gestione dell’AMR. Il futuro degli LLM punta sull’integrazione delle analisi predittive, comportamentali e ambientali per individuare precocemente cluster epidemici, migliorare l’aderenza alle terapie e ridurre il rischio di diffusione di patogeni resistenti.
Conclusioni
L’uso dei Large Language Models nelle malattie infettive rappresenta una delle frontiere più promettenti dell’AI applicata alla salute pubblica. Questi strumenti possono liberare tempo per l’interazione clinica, fornire strumenti di controllo e di riduzione degli errori, migliorare l’efficienza nella gestione dei dati e potenziare la risposta alle minacce epidemiche e alla resistenza antimicrobica. È quantomai cruciale lavorare per ottenere la validazione scientifica di questi modelli, la loro trasparenza, proteggere la sicurezza dei dati e garantire la supervisione umana. Il futuro vedrà una collaborazione sempre più stretta tra infettivologi, epidemiologi e AI, in cui la tecnologia diventerà un alleato per una medicina più tempestiva, predittiva e personalizzata – ma mai sostitutiva del giudizio clinico umano.
NB. Ovviamente nella preparazione di questo articolo mi sono avvalsa del prezioso supporto dei moderni modelli linguistici LLM!
