Prendere regolarmente il farmaco potrebbe non bastare: un inalatore utilizzato nel modo sbagliato può far arrivare ai polmoni meno medicinale del previsto. È un problema particolarmente importante per chi convive con asma e broncopneumopatia cronica ostruttiva (BPCO), perché anche piccoli errori nei gesti compiuti durante l’inalazione possono compromettere l’efficacia della terapia.
Ora un gruppo internazionale di ricercatori ha sviluppato un piccolo sistema di monitoraggio capace di capire come viene maneggiato l’inalatore e riconoscere automaticamente alcuni errori grazie all’intelligenza artificiale. Nello studio, pubblicato l’8 settembre su npj Primary Care Respiratory Medicine, i modelli migliori hanno raggiunto un’accuratezza fino al 96,7% nel riconoscimento delle attività analizzate.
L’errore che può compromettere la terapia
Il problema è tutt’altro che marginale. Secondo le linee guida internazionali citate dalla letteratura scientifica più recente, fino all’80% dei pazienti con asma può utilizzare l’inalatore in maniera non corretta, mentre nella BPCO oltre due pazienti su tre commettono almeno un errore.
Gli inalatori a polvere secca, infatti, richiedono una precisa sequenza di operazioni. E tra gli sbagli ce n’è uno meno evidente di altri: tenere o muovere il dispositivo con un orientamento scorretto.
I ricercatori hanno integrato in un inalatore un modulo digitale dotato di sensori inerziali (IMU), una tecnologia che permette di registrare orientamento e movimenti del dispositivo analizzando 16 canali di dati. In sostanza, il sensore osserva non il paziente, ma ciò che fa la sua mano: come prende l’inalatore, come lo orienta e come lo muove durante le diverse fasi di utilizzo.
Questa massa di dati viene poi analizzata dall’intelligenza artificiale. Gli studiosi hanno confrontato cinque diversi algoritmi di machine learning e due sistemi per selezionare, tra le informazioni raccolte dai sensori, quelle più utili a distinguere un gesto corretto da uno sbagliato.
Lo studio classifica cinque attività tipiche: uso corretto, errata inclinazione di tenuta, capsula non perforata, scuotimento eccessivo del dispositivo e presenza di colpi di tosse durante l’inalazione. Dai segnali grezzi sono state estratte ben 368 caratteristiche nel dominio del tempo e della frequenza per descrivere la dinamica del movimento.
L’IA riconosce i movimenti con un’accuratezza fino al 96,7%
I risultati sono promettenti. Le due migliori combinazioni di algoritmi e selezione dei dati hanno ottenuto rispettivamente il 96,7% e il 95% di accuratezza nella classificazione delle attività legate all’inalazione durante una procedura di validazione incrociata.
L’obiettivo, in prospettiva, è trasformare l’inalatore in uno strumento capace non soltanto di registrare se una dose è stata assunta, ma anche di capire se il paziente l’ha assunta correttamente. Una differenza importante: sapere che una persona ha utilizzato il dispositivo, infatti, non garantisce che il farmaco sia stato inalato nelle condizioni previste.
Non è la prima volta che l’intelligenza artificiale viene sperimentata per questo scopo. Lo stesso gruppo aveva già sviluppato un sistema basato sull’analisi dei suoni prodotti durante l’inalazione, capace per esempio di riconoscere quando una persona espira erroneamente dentro un inalatore a polvere secca.
Per ora resta un sistema sperimentale
Il nuovo studio rappresenta però soprattutto una prova di fattibilità. Non significa che gli inalatori utilizzati oggi da milioni di persone possano già avvisare automaticamente il paziente quando sbaglia un movimento, né che le percentuali ottenute in condizioni sperimentali si tradurranno necessariamente nelle stesse prestazioni nella vita quotidiana.
Gli stessi autori parlano infatti di una tecnologia con potenziale per future applicazioni nel miglioramento dell’uso degli inalatori e dell’aderenza terapeutica.
La prospettiva è interessante: un piccolo sensore potrebbe un giorno trasformare uno degli strumenti più comuni per asma e BPCO in una sorta di “allenatore digitale”, capace di accorgersi di un errore che il paziente spesso non sa nemmeno di commettere.
Dichiarazioni di interesse: Gli autori dichiarano esplicitamente di non avere conflitti di interesse; la ricerca è stata interamente finanziata dal Natural Sciences and Engineering Research Council of Canada (NSERC); nei ringraziamenti viene menzionata la Suzhou Inhal Pharma Co., Ltd. per aver fornito i materiali di supporto per lo studio. Si nota inoltre che uno dei co-autori della ricerca, Ying Ma, è affiliato proprio a questa stessa azienda.
Fonti:
npj Primary Care Respiratory Medicine – AI-driven IMU-based monitoring system for detecting dry powder inhaler misuse
Journal of Clinical Medicine – Expectations Versus Reality in Inhalation Technique—A Case–Control Study of Inhalation Technique in Patients with Asthma or COPD