Su PLOS Medicine è stato presentato un algoritmo di intelligenza artificiale progettato per stimare in modo automatizzato il rischio di frattura di femore. Sviluppato da un team di ricerca dell’Università di Göteborg su una coorte svedese di oltre 3,5 milioni di individui con 50 o più anni, lo strumento FRACTURE-ML punta a migliorare la prevenzione primaria di una patologia sicuramente ad alto impatto. Le fratture dell’estremità prossimale del femore costituiscono infatti una causa primaria di disabilità, perdita di autonomia e mortalità nell’anziano, oltre a generare ingenti costi assistenziali. Attualmente, i modelli di stratificazione del rischio come FRAX o QFracture richiedono la valutazione diretta del paziente per raccogliere parametri clinici e stili di vita, mentre i Fracture Liaison Services intervengono prevalentemente in prevenzione secondaria quando un primo evento si è già verificato.

Per superare la necessità di un’interazione clinica diretta nello screening di popolazione, i ricercatori svedesi hanno analizzato circa 140.000 variabili storiche – tra codici diagnostici ICD-10, prescrizioni farmacologiche, interventi e indicatori socio-economici – relative a soggetti senza recenti trattamenti anti-osteoporotici. Nel confronto con la prevenzione secondaria tradizionale, FRACTURE-ML ha identificato quasi sette volte più soggetti ad alto rischio su un orizzonte di due anni, ottenendo una sensibilità dell’84% (rispetto al 12% dei servizi post-frattura standard) e mantenendo un’adeguata specificità. Integrabile direttamente con i database sanitari regionali e le cartelle cliniche elettroniche, la piattaforma offre la possibilità di avviare precocemente percorsi di prevenzione primaria, inclusi trattamenti farmacologici per l’osteoporosi e interventi per la prevenzione delle cadute, prima dell’esordio clinico.

Fonte

Axelsson KF et al. A clinical decision support tool for accurate hip fracture prediction: A nationwide cohort study. PLOS Medicine 2026. DOI: 10.1371/journal.pmed.1005190