Un approccio basato sull”intelligenza collettiva” migliora l’accuratezza della diagnosi


  • Roberta Villa — Agenzia Zoe
  • Sintesi della letteratura
L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano

Messaggi chiave

  • Unire l’opinione di più medici, specializzandi e studenti può ridurre il rischio di diagnosi errate, rispetto a quelle formulate da un singolo, anche se specialista nel campo in questione.
  • Combinando le prime 3 risposte di 9 persone è possibile migliorare in media di oltre il 20% l’accuratezza diagnostica rispetto alle prime 3 risposte di ogni individuo, con differenze tra i sintomi da interpretare: la differenza è minore con il dolore addominale (17,3%) e massima con la febbre (29,8%).
  • Questo approccio di “intelligenza collettiva” potrebbe essere usato al fine di ridurre gli errori medici da diagnosi sbagliata.

Descrizione dello studio

  • Cross-sectional study sui dati dello Human Diagnosis Project, una piattaforma internazionale in cui oltre 14.000 medici, specializzandi e studenti da più di 80 Paesi si cimentano nella diagnosi differenziale di casi clinici strutturati proposti dagli utenti stessi.
  • Sono stati selezionati 1.572 casi, affrontati ognuno da più di 10 partecipanti, a loro volta suddivisi per specialità di appartenenza in “specialità internistiche”, “specialità chirurgiche”, “altre specialità”, “studenti di medicina”.
  • Outcome primario: accuratezza diagnostica, intesa come presenza della soluzione corretta tre 3 più probabili indicate dai partecipanti. Per i gruppi, le prime 3 diagnosi erano un differenziale collettivo generato con una combinazione delle scelte degli utenti attraverso diversi approcci.

Risultati principali

  • Nei casi selezionati si sono cimentati 2.069 partecipanti, di cui 1.228 (59,4%) erano medici interni o borsisti, 431 (20,8%) strutturati e 410 (19,8%) studenti.
  • L’intelligenza collettiva è risultata associata a un incremento dell’accuratezza diagnostica, dal 62,5% dei singoli medici all’85,6% dei gruppi di 9, con una differenza del 23% (IC 95% 14,9-31,2; P
  • Il miglioramento assoluto dell’accuratezza diagnostica dall’individuo al gruppo di 9 varia con il sintomo principale di cui riconoscere da causa: da un minimo di 17,3% (IC 95% 6,4-28,2%; P=0,002) per il dolore addominale a un massimo di 29,8% (IC 95% 3,7-55,8%; P=0,02) per la febbre.
  • Limitando l’analisi a professionisti afferenti alla stessa specialità, i gruppi da 2 a 9 utenti hanno superato i singoli con un’accuratezza rispettivamente di 77,7%, 85,5% e 66,3% (P

Perché è importante

  • I precedenti studi sull’intelligenza collettiva nella diagnosi si sono concentrati per lo più su task specifici con soluzioni binarie, mentre questo esamina un’ampia gamma di casi clinici diversi.
  • Favorire il lavoro di gruppo in medicina potrebbe ridurre il rischio di errori medici.