Intelligenza artificiale e medicina di precisione: Kelyon al fianco della ricerca per contrastare l’antibiotico-resistenza
Napoli, 9 giugno 2026 – L’intelligenza artificiale applicata ai dati clinici e microbiologici può offrire un contributo concreto nella lotta all’antibiotico-resistenza, una delle emergenze più rilevanti per la salute pubblica globale. È quanto conferma lo 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 come sia possibile prevedere con elevata accuratezza la sensibilità agli antibiotici attraverso modelli di machine learning addestrati su dati clinici e microbiologici raccolti nella pratica ospedaliera quotidiana. Lo studio 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.
I risultati evidenziano che i modelli sviluppati sono in grado di elaborare un antibiogramma digitale con un’accuratezza superiore al 90%, anticipando di almeno 48 ore i tempi necessari per ottenere un antibiogramma standard. Un vantaggio particolarmente rilevante nei contesti clinici in cui la tempestività della decisione terapeutica può incidere in modo determinante sugli esiti del paziente, sulla durata della degenza e sull’uso appropriato degli antibiotici.
In questo scenario, Kelyon conferma il proprio impegno nello sviluppo di soluzioni digitali avanzate per supportare i professionisti sanitari e favorire una gestione più efficace, personalizzata e data-driven delle infezioni batteriche. L’esperienza maturata dall’azienda nella digital health e nei sistemi di supporto decisionale si traduce anche nel percorso di ricerca e sviluppo di AntiMO, soluzione nata per ottimizzare la gestione delle infezioni, monitorare i trend di resistenza e contrastare l’antimicrobial resistance attraverso strumenti predittivi, dashboard evolute e supporto all’appropriatezza prescrittiva.
«Questo studio rappresenta un passo importante perché mette in evidenza il valore concreto dei dati e dell’intelligenza artificiale nel migliorare il contrasto all’AMR e la gestione delle resistenze batteriche» dichiara Stefano Tagliaferri, CTO di Kelyon. «L’obiettivo non è sostituire il clinico, ma offrirgli strumenti più rapidi, accurati e integrabili nella pratica quotidiana, capaci di supportare decisioni terapeutiche più tempestive e consapevoli. In questa prospettiva, la ricerca serve a costruire modelli sempre più efficaci per affrontare un problema che ha un impatto diretto sulla qualità delle cure, sugli esiti clinici e sulla sostenibilità del sistema sanitario».
“Questi risultati dimostrano che le informazioni normalmente disponibili nelle cartelle cliniche e nei sistemi informativi ospedalieri, se correttamente utilizzate, possano essere sfruttate per supportare decisioni terapeutiche rapide, efficaci e mirate” evidenzia il microbiologo Dr. Giuseppe Piccinni, co-autore dello studio.
“Malgrado la rilevanza dei risultati raccolti, non si deve pensare che l’intelligenza artificiale finirà col sostituire il medico. Le previsioni generate dai modelli potranno essere ulteriormente migliorate, ma rappresentano uno strumento di supporto decisionale da integrare con l’esperienza clinica e la valutazione complessiva del quadro del paziente” sottolinea il coordinatore dello studio, l’oncologo Antonio Facchiano.
Lo studio si inserisce in un filone di ricerca che punta a coniugare medicina personalizzata, microbiologia e tecnologie digitali per rendere più efficaci le strategie di antimicrobial stewardship.
«Per Kelyon, il contributo a questo studio conferma quanto sia strategica la collaborazione tra ricerca clinica, istituzioni scientifiche e innovazione tecnologica per trasformare i dati in strumenti concreti a supporto della pratica medica» dichiara Gaetano Cafiero, CEO di Kelyon. «È lo stesso principio alla base di AntiMO: sviluppare soluzioni digitali capaci di integrare intelligenza artificiale, dati microbiologici e informazioni cliniche in tempo reale, per supportare decisioni terapeutiche sempre più tempestive, affidabili e personalizzate. Il nostro obiettivo è contribuire a una nuova generazione di sistemi di supporto clinico, in grado di favorire terapie antimicrobiche di precisione e rafforzare il contrasto all’antibiotico-resistenza».
