(24 settembre 2021) Il recente studio pubblicato dalla rivista «Journal of Anesthesia, Analgesia and Critical Care» dal titolo “COVID-19 ICU mortality prediction: a machine learning approach using SuperLearner algorithm”, coordinato dal prof. Paolo Navalesi, direttore della Covid-19 Veneto ICU Network, e dal prof. Dario Gregori, Direttore dell’Unità di Biostatistica Epidemiologia e Sanità Pubblica del Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica dell’Università di Padova, oltre a sollevare importanti riflessioni sull’indagine dei fattori predittivi di mortalità in terapia intensiva in pazienti affetti da Covid-19, apre lo sguardo sull’importanza di nuove tecniche di analisi di dati clinici tramite Machine Learning una delle nuove frontiere di formazione per medici e operatori sanitari. Il Machine Learning (ML o apprendimento automatico) è uno dei principali rami dell’intelligenza artificiale ed è una tecnologia fondamentale per la gestione e la comprensione dell’enorme quantità di dati, sanitari e non, che produciamo quotidianamente. L’uso del ML in medicina permette l’identificazione più rapida e precisa dei meccanismi che sono alla base di una malattia o della sua degenerazione, ma anche per definire una terapia in base alle caratteristiche personali del paziente. La ricerca, che mette in luce l’età avanzata dei pazienti come uno dei predittori di maggiore mortalità per COVID in Terapia Intensiva, è il risultato di uno sforzo congiunto tra una rete di anestesisti, rianimatori e biostatistici.  Lo studio è stato coordinato dal prof. Paolo Navalesi, direttore della COVID-19 VENETO ICU Network, e dal prof. Dario Gregori, Direttore dell’Unità di Biostatistica Epidemiologia e Sanità Pubblica del Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica dell’Università di Padova.