Intelligenza artificiale a caccia di virus e batteri in un laboratorio su quattro

Grazie all'introduzione dell'Intelligenza Artificiale, i laboratori di microbiologia clinica diventano sentinelle sempre più efficaci in grado di intercettare precocemente gli agenti patogeni e di contribuire in modo attivo alla gestione delle infezioni. In Italia uno su quattro impiega sistemi di machine learning lungo le varie fasi del processo diagnostico, dal controllo della qualità del campione fino all'individuazione del farmaco più efficace da somministrare al paziente, come emerge dalla prima ricerca italiana sul tema, pubblicata a fine 2025 sullo “European Journal of Clinical Microbiology and Infectious deseases” e presentata nei giorni scorsi nell'ambito del 53° Congresso Nazionale AMCLI – Associazione Microbiologi Clinici Italiani che si è svolto a Rimini.

La survey, condotta dal Gruppo di Lavoro AMCLI per l'Intelligenza Artificiale in Microbiologia (GLAIMAL), evidenzia come l'AI stia entrando progressivamente in questo settore. “Il dato del 25% della diffusione di sistemi di AI nei laboratori rappresenta, da un lato, un segnale molto positivo, dall'altro conferma che siamo ancora in una fase iniziale di adozione. Se consideriamo che la microbiologia clinica è un ambito storicamente basato su processi manuali e interpretativi, questo livello di implementazione è coerente con quanto osservato anche a livello internazionale, dove l'adozione è crescente ma non ancora diffusa in modo uniforme”, commenta Pierangelo Clerici, presidente di AMCLI.

Per lungo tempo la microbiologia ha avuto una funzione prevalentemente diagnostica. Oggi, grazie alla disponibilità di grandi quantità di dati e alla possibilità di analizzarli con sistemi evoluti, i laboratori contribuiscono in modo più diretto alla lettura anticipata dei fenomeni infettivi diventando sistemi di sorveglianza avanzati.

“I modelli di machine learning sviluppati negli ultimi anni - prosegue Clerici - consentono di stimare condizioni cliniche complesse come la sepsi già nelle fasi iniziali e supportano un utilizzo più appropriato dei test diagnostici, oltre a migliorare la tempestività degli interventi. L'analisi integrata dei dati permette anche di prevedere i profili di resistenza antimicrobica e fornisce indicazioni utili per orientare le scelte terapeutiche in modo più mirato”.

L'analisi del Gruppo di Lavoro GLAIMAIL ha evidenziato anche gli effetti delle applicazioni dell'AI sul piano organizzativo. “In alcuni contesti, l'introduzione di algoritmi per la gestione dei flussi diagnostici ha portato a una riduzione del carico di lavoro fino al 41%, mantenendo livelli di sensibilità intorno al 95% nei diversi gruppi di pazienti. Il dato evidenzia un impatto concreto sull'utilizzo delle risorse, in un ambito caratterizzato da crescente complessità e da una disponibilità limitata di personale specializzato”, specifica il presidente.