Il soft computing per investigare le allergie

Il soft computing per investigare le allergie

Il riconoscimento precoce dei marcatori infiammatori e la loro relazione con l’asma, le reazioni avverse al farmaco, la rinite allergica, la dermatite atopica e altre malattie allergiche è un obiettivo importante nell’allergologia. La stragrande maggioranza degli studi in letteratura si basa su metodi statistici classici; tuttavia, gli sviluppi nelle tecniche computazionali come gli approcci basati sul soft computing risultano promettenti in questo campo.
Lo scopo di questo articolo è di esaminare sistematicamente le principali tecniche basate sul soft computing come reti neurali artificiali, macchine di supporto vettoriale, reti bayesiane e logica fuzzy per indagare le loro prestazioni nel campo delle malattie allergiche.
La revisione è stata condotta seguendo le linee guida PRISMA e il protocollo è stato registrato all’interno del database PROS-PERO (CRD42016038894). La ricerca è stata condotta su PubMed e ScienceDirect, coprendo il periodo a partire dal 1 settembre 1990 fino al 19 aprile 2016.
La revisione ha incluso 27 studi relativi a malattie allergiche e prestazioni di soft computing. Abbiamo osservato risultati promettenti con un’accuratezza complessiva dell’86,5%, principalmente incentrata sulla malattia asmatica. La revisione rivela che gli approcci basati sul soft computing sono adatti per l’analisi di big data e possono essere molto potenti, specialmente quando si tratta di incertezza e parametri poco caratterizzati. Inoltre, possono fornire un valido supporto in caso di mancanza di dati e di relazioni di causa-effetto, che rendono difficile valutare l’evoluzione della malattia.

Sebbene la maggior parte dei lavori riguardi l’asma, riteniamo che l’approccio del soft computing potrebbe essere una vera svolta e favorire nuove conoscenze anche in altre malattie allergiche.

Pubblicazione

Tartarisco, G., Tonacci, A., Minciullo, P. L., Billeci, L., Pioggia, G., Incorvaia, C., & Gangemi, S. (2017). The soft computing-based approach to investigate allergic diseases: a systematic review. Clinical and Molecular Allergy, 15(1), 10.