Nelle unità di terapia intensiva (ICU), l’insufficienza renale acuta (Acute Kidney Injury) rappresenta una complicanza frequente, tipicamente multifattoriale, in grado di modificare in modo sostanziale il decorso clinico e la prognosi dei pazienti critici. Nelle fasi iniziali, tuttavia, l’AKI può essere difficilmente distinguibile da una fisiologica risposta allo stress clinico. La riduzione transitoria della funzione renale può infatti configurarsi come un fenomeno adattativo e reversibile, ostacolando il riconoscimento immediato di un danno renale strutturale (Kellum, 2015).
Questa incertezza iniziale contribuisce a ritardare l’identificazione dell’AKI, soprattutto nei casi in cui l’episodio non tende a risolversi rapidamente. Per chi opera in terapia intensiva, la sfida non riguarda solo la diagnosi di AKI, ma anche la caratterizzazione della sua durata. In altri termini, l’esito clinico non dipende unicamente dalla severità iniziale, bensì dalla persistenza del danno renale.
Quando un episodio di AKI in stadio severo si prolunga per più giorni, l’impatto prognostico risulta significativamente più sfavorevole rispetto alle forme di breve durata (Kellum, 2015). In un’analisi condotta su oltre 32.000 pazienti ricoverati in ICU, quattro giorni di AKI in stadio 3 sono risultati associati a un rischio di morte o necessità di dialisi a un anno di circa il 30%, mentre per raggiungere un rischio simile erano necessari più di sette giorni di AKI in stadio 1 (Kellum, 2015). Ne emerge come non sia solo lo stadio iniziale a determinare l’outcome, ma come la durata dell’AKI rappresenti un determinante cruciale del decorso clinico. Da ciò deriva la rilevanza di identificare precocemente non solo l’insorgenza di AKI, ma anche il rischio che questa evolva in forma persistente.
La letteratura distingue due principali fenotipi evolutivi di AKI: una forma transitoria, con recupero entro 3 giorni, e una forma persistente, in cui il danno non si risolve entro 3–7 giorni (Zappalà et al., 2025). Gli episodi persistenti sono associati a tassi più elevati di mortalità, maggiori costi ospedalieri e incremento del rischio di sviluppare o accelerare una malattia renale cronica (Zappalà et al., 2025).
In uno studio su 16.968 pazienti con AKI in stadio 2–3, il 59% recuperava la funzione renale entro la dimissione (Kellum et al., 2017). Il recupero precoce e stabile risultava associato alla prognosi più favorevole, con una sopravvivenza a un anno prossima al 90%. Al contrario, nei pazienti senza recupero o con nuovo peggioramento dopo un iniziale miglioramento, la sopravvivenza a un anno si riduceva a circa il 40% (Kellum et al., 2017).
Prevedere l’insorgenza di AKI è di per sé complesso, stimarne la possibile persistenza lo è ancora di più, in quanto i meccanismi eziopatogenetici sono eterogenei e i marker tradizionali (come creatinina sierica e diuresi) non sempre consentono una stratificazione accurata del rischio. In questo contesto, l’intelligenza artificiale offre un vantaggio operativo rilevante. I modelli di machine learning sono in grado di integrare in tempo reale i dati routinari contenuti negli EHR per stimare il rischio di AKI persistente con aggiornamento orario (Zappalà et al., 2025). L’approccio non si limita quindi a una singola valutazione al momento del ricovero, ma prevede un monitoraggio dinamico, che segue l’evoluzione clinica del paziente e ne aggiorna continuamente il profilo di rischio.
Un esempio è rappresentato dalla validazione esterna del modello PersEA, un algoritmo di machine learning sviluppato da U-Care Medical che aggiorna ogni ora la probabilità di AKI persistente utilizzando variabili cliniche di routine, tra cui creatinina, diuresi e parametri di laboratorio selezionati (Zappalà et al., 2025). Nella coorte indipendente della Mayo Clinic, costituita da 4.479 pazienti, PersEA ha mostrato performance elevate, con un auROC di 0,977 e un auPR di 0,668 (Zappalà et al., 2025).
In termini pratici, il modello consente di identificare precocemente i pazienti a maggior probabilità di sviluppare un’AKI persistente, creando una finestra temporale utile per intensificare il monitoraggio, ottimizzare la gestione emodinamica, modulare l’esposizione a farmaci potenzialmente nefrotossici e programmare in modo più razionale l’eventuale inizio di terapia sostitutiva renale (RRT).
Poiché la durata dell’AKI influenza gli esiti più della sola severità iniziale (Kellum, 2015) e il recupero precoce si associa a una prognosi nettamente migliore (Kellum et al., 2017), l’integrazione di modelli predittivi in terapia intensiva può supportare decisioni tempestive, in una fase in cui l’intervento clinico è ancora in grado di modificare in modo significativo il decorso naturale dell’episodio di AKI.
Se vuoi integrare nella tua terapia intensiva uno strumento di intelligenza artificiale in grado di anticipare il rischio di AKI persistente, scopri le potenzialità della U-Care Renal Platform.