L’antibiotico-resistenza è una delle sfide più urgenti per la sanità contemporanea e richiede strumenti sempre più rapidi, precisi e integrati nella pratica clinica. In questo scenario, l’intelligenza artificiale non è più soltanto una promessa tecnologica, ma una risorsa concreta per aiutare medici e ospedali a scegliere prima e meglio le terapie contro le infezioni batteriche.
A confermarlo è uno studio coordinato da IDI-IRCCS di Roma e realizzato in collaborazione con Kelyon, Università di Salerno, CNR, Istituto Superiore di Sanità e Università Link di Roma, pubblicato sull’International Journal of Infectious Diseases. La ricerca dimostra che i modelli di machine learning, se addestrati su dati clinici e microbiologici raccolti nella pratica ospedaliera quotidiana, possono prevedere con elevata accuratezza la sensibilità dei batteri agli antibiotici.
Il dato più significativo riguarda i tempi. I modelli sviluppati nello studio sono riusciti a elaborare un antibiogramma digitale con un’accuratezza superiore al 90%, anticipando di almeno 48 ore i risultati normalmente forniti da un antibiogramma standard. In medicina, soprattutto nella gestione delle infezioni, due giorni possono cambiare radicalmente il percorso di cura. Significa orientare più rapidamente la scelta dell’antibiotico, ridurre il rischio di terapie inefficaci, limitare l’uso non appropriato dei farmaci e migliorare la gestione complessiva del paziente.
La ricerca ha coinvolto quasi 10.000 pazienti italiani e ha analizzato 15.581 isolati batterici provenienti da 9.966 pazienti assistiti tra il 2018 e il 2024 in due ospedali italiani. La quantità e la qualità dei dati utilizzati consentono di leggere lo studio come un esempio concreto di medicina di precisione applicata alla microbiologia clinica. Non si tratta di sostituire gli esami tradizionali o il giudizio del medico, ma di affiancare la decisione clinica con strumenti predittivi capaci di offrire indicazioni rapide e fondate.
Il tema è particolarmente delicato perché l’antibiotico-resistenza, o antimicrobial resistance, rappresenta una minaccia crescente per la salute pubblica globale. Quando i batteri diventano resistenti ai farmaci disponibili, le infezioni sono più difficili da trattare, le degenze ospedaliere possono allungarsi e il sistema sanitario viene sottoposto a una pressione maggiore. Per questo la tempestività della diagnosi e l’appropriatezza della terapia sono elementi decisivi.
È in questa prospettiva che si inserisce il ruolo di Kelyon, realtà impegnata nello sviluppo di soluzioni digitali per la sanità. L’azienda conferma il proprio contributo alla ricerca e all’innovazione nel campo della digital health, con l’obiettivo di trasformare i dati clinici in strumenti realmente utili per i professionisti sanitari. La collaborazione allo studio evidenzia quanto sia importante mettere insieme competenze diverse: ricerca clinica, microbiologia, intelligenza artificiale, sistemi informativi e capacità di tradurre l’innovazione in applicazioni concrete.
Dentro questo percorso si colloca anche AntiMO, soluzione pensata per supportare la gestione delle infezioni, monitorare l’evoluzione delle resistenze e favorire l’appropriatezza prescrittiva. Attraverso strumenti predittivi, dashboard evolute e sistemi di supporto decisionale, AntiMO punta a offrire ai clinici una visione più completa e tempestiva dei dati microbiologici e delle informazioni cliniche disponibili.
Il valore di un sistema di questo tipo è duplice. Da un lato permette di intervenire più rapidamente sul singolo paziente, orientando la terapia in modo più personalizzato. Dall’altro consente alle strutture sanitarie di osservare i trend di resistenza, individuare criticità emergenti e migliorare le strategie di antimicrobial stewardship, cioè l’uso corretto, mirato e responsabile degli antibiotici.
Stefano Tagliaferri, CTO di Kelyon, ha spiegato che lo studio mette in evidenza il valore concreto dei dati e dell’intelligenza artificiale nel contrasto all’AMR e nella gestione delle resistenze batteriche. L’obiettivo non è sostituire il clinico, ma offrire strumenti più rapidi, accurati e integrabili nella pratica quotidiana, capaci di supportare decisioni terapeutiche più tempestive e consapevoli.
La stessa impostazione è stata richiamata da Gaetano Cafiero, ceo di Kelyon, che ha sottolineato il valore della collaborazione tra ricerca clinica, istituzioni scientifiche e innovazione tecnologica. Secondo questa visione, il futuro della sanità passa dalla capacità di integrare intelligenza artificiale, dati microbiologici e informazioni cliniche in tempo reale, costruendo sistemi di supporto clinico capaci di rendere le terapie antimicrobiche sempre più precise e personalizzate.
La sfida più importante sarà ora rendere queste tecnologie sempre più vicine alla pratica ospedaliera quotidiana. Per essere davvero efficaci, gli strumenti di intelligenza artificiale devono essere affidabili, aggiornabili, comprensibili per i professionisti sanitari e integrati nei flussi di lavoro esistenti. Solo così potranno diventare un alleato reale del medico e non un elemento esterno o puramente sperimentale.
Lo studio conferma quindi una direzione ormai chiara: la medicina di precisione non riguarda solo la genetica o le terapie più avanzate, ma anche la gestione quotidiana delle infezioni batteriche. Prevedere prima la sensibilità agli antibiotici significa curare meglio, ridurre gli sprechi, proteggere l’efficacia dei farmaci disponibili e rafforzare la sostenibilità del sistema sanitario.
Con il contributo di Kelyon e lo sviluppo di soluzioni come AntiMO, l’intelligenza artificiale entra così in uno dei campi più strategici della sanità pubblica. La lotta all’antibiotico-resistenza richiede infatti nuove competenze, nuove tecnologie e una forte collaborazione tra ospedali, ricerca e imprese innovative. È su questa alleanza che può nascere una nuova generazione di strumenti clinici, capaci di rendere le cure più rapide, più sicure e più personalizzate.
