Sorveglianza della Legionella

Il Laboratorio di Arpa FVG pubblica un articolo scientifico sull’applicazione dell’Intelligenza Artificiale (ML)

1943
articolo legionella Arpa FVG

L’Arpa FVG e l’Università degli Studi di Udine hanno pubblicato nel mese di dicembre sulla rivista online Informatics in Medicine Unlocked (IMU) l’articolo scientifico Machine learning-assisted environmental surveillance of Legionella: Aretrospective observational study in Friuli-Venezia Giulia region of Italyin the period 2002–2019.

Il lavoro riguarda l’elaborazione dei risultati di 24000 campioni di acqua analizzati dal Laboratorio di Arpa FVG, nel periodo 2002–2019, nell’ambito del monitoraggio della Legionella. Lo scopo è l’identificazione dei fattori più rilevanti correlati alla diffusione di questo patogeno emergente sul territorio regionale, da un punto di vista spaziale, temporale e climatico.

Nello studio è stata utilizzata la Machine Learning (ML), sottoinsieme dell’Intelligenza Artificiale (AI), tecnologia che permette l’automatizzazione del processo di costruzione dei modelli di analisi, permettendo la realizzazione di sistemi capaci di migliorare le proprie performance in base ai dati che elaborano.

L’articolo, se comparato con la più recente letteratura scientifica inerente alla diffusione ambientale della Legionella, è innovativo sotto due punti di vista:

  • in primo luogo analizza dati attraverso un ampissimo arco temporale, su un territorio esteso e caratterizzato da un’ampia variabilità climatica e morfologica. A tal fine, l’Osservatorio Meteorologico Regionale (OSMER) di Arpa FVG ha messo a disposizione i dati climatici del periodo considerato;
  • in secondo luogo, per la prima volta è stato compiuto uno studio sistematico sulla diffusione di questo patogeno emergente, considerando sia i sierogruppi dei ceppi batterici isolati, che i livelli di contaminazione presenti, mettendoli in relazione con l’ambiente circostante.

Lo studio conferma il trend di crescita della diffusione della Legionella e l’importanza del tracciamento e dell’identificazione dei  ceppi batterici.

La Machine Learning ha permesso di identificare delle zone ristrette con livelli di contaminazione elevati, altamente correlate al tipo di struttura coinvolta.

Dall’ analisi dei dati emerge l’indicazione che la Legionella pneumophila sierogruppo 1 sia la più tollerante alle condizioni ambientali estreme, sia dal punto di vista della temperatura che dei livelli di umidità. Inoltre lo studio individua nelle strutture ospedaliere le realtà più colpite da questo patogeno.

La pubblicazione di questo studio scientifico è l’ultimo frutto della produttiva collaborazione tra Arpa FVG e l’Università degli Studi di Udine, che prosegue con obiettivi sempre più ambiziosi. E’ attualmente in corso un’analoga elaborazione dei dati, integrata dall’analisi genomica dei ceppi batterici isolati.

L’IMU è una rivista internazionale del gruppo Elsevier (Impact Factor 4), ad accesso aperto, che copre un ampio spettro di argomenti riguardanti l’informatica medica e la salute pubblica. La rivista è focalizzata sui progressi compiuti nelle bioscienze, grazie alla crescente capacità di analizzare grandi quantità di dati permessa dalle nuove tecnologie.

> Machine learning-assisted environmental surveillance of Legionella: Aretrospective observational study in Friuli-Venezia Giulia region of Italyin the period 2002–2019

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.