Inteligența artificială în sănătatea pediatrică: tendințe actuale și perspective

Context și relevanță clinică

Pediatria se confruntă cu provocări epidemiologice și clinice distincte față de medicina adultă. La nivel mondial, aproximativ 2,4 milioane de copii sub 5 ani decedează anual din cauze prevenibile sau tratabile, cu disparitate majoră între țări cu venituri mari și cele cu venituri mici și medii. Bolile rare afectează disproporționat copiii — 70–75% din cele 7.000 de boli rare cunoscute debutează în copilărie, iar diagnosticul mediu durează 4–7 ani. Cancerul pediatric, cu o supraviețuire globală de 80% în țările cu resurse, menține o mortalitate semnificativă în sistemele de sănătate sub-resurse. Bolile cronice — diabet zaharat tip 1, epilepsie, astm, boli cardiace congenitale — impun monitorizare continuă pe parcursul creșterii, cu ajustări terapeutice frecvente într-un organism în continuă schimbare.

Inteligența artificială (IA), prin capacitatea de a analiza volume mari de date imagistice, clinice și genomice, are potențialul de a transforma fundamental abordarea acestor provocări pediatrice. Totuși, pediatria reprezintă un domeniu special pentru IA din mai multe motive: datele disponibile pentru antrenarea algoritmilor sunt mult mai puține decât în medicina adultă (populațiile pediatrice sunt mai mici, iar colectarea datelor ridică obstacole etice suplimentare); spectrul de vârstă 0–18 ani acoperă variații biologice și developmentale dramatice, astfel că un model antrenat pe copii de 2 ani nu poate fi direct aplicat celor de 15 ani; anatomia și fiziologia pediatrică diferă semnificativ de cea adultă în parametri esențiali pentru IA (imagistică, electrofiziologie, valori biologice de referință).

Creșterea exponențială a publicațiilor IA-pediatrie — de la câteva zeci pe an în 2015 la câteva mii în 2024 — reflectă interesul crescut al comunității medicale și tehnologice, dar și necesitatea unui cadru conceptual care să organizeze descoperirile, să identifice domeniile prioritare și să semnaleze riscurile aplicării premature a algoritmilor nevalidați populațional. Revizuirea de față îndeplinește această funcție de sinteză pentru clinicieni, cercetători și factori de decizie medicală.

Design și metodologie

Autorii au realizat o revizuire narativă și sistematică a literaturii privind aplicațiile IA în sănătatea pediatrică, organizată pe domenii clinice principale și pe tipuri de soluții tehnice (viziune artificială, procesare limbaj natural, rețele neuronale, modele de limbaj mari — LLM).

• Surse bibliografice — PubMed, Embase, Google Scholar, Web of Science; căutare sistematică cu termeni MeSH și free-text combinând IA (artificial intelligence, machine learning, deep learning, neural network) cu pediatrie și specialitățile sub-disciplinare
• Criterii de includere — studii clinice, revizuiri sistematice și rapoarte de implementare IA în populații pediatrice (0–18 ani); publicații 2015–2025 (accent pe 2020–2025); studii cu validare clinică sau rezultate de performanță diagnostică cuantificate
• Organizare pe domenii — neonatologie/prematuri, oncologie pediatrică, neurologie pediatrică, boli rare, boli cronice, medicină de urgență, sănătate mintală, imaging pediatric și genomică
• Evaluare provocări și oportunități — analiză structurată a barierelor de implementare (date, etică, reglementare, validare) și a direcțiilor cu cel mai înalt potențial de impact clinic pe termen scurt și mediu

Metodologia recunoaște limitele inerente oricărei revizuiri a unui domeniu în rapidă evoluție: o parte din studiile incluse prezintă design retrospectiv, cu date din sisteme de sănătate bine resurse, ceea ce limitează generalizabilitatea concluziilor la contexte globale. Autorii subliniază explicit că revizuirea reflectă stadiul cunoașterii la momentul publicării și că domeniul evoluează cu viteză care poate depăși capacitatea revizuirilor sistematice de a rămâne actuale.

Populația studiată

Revizuirea acoperă literatura referitoare la populații pediatrice din toate grupele de vârstă:

• Prematuri și nou-născuți (0–28 zile și 28 zile–1 an) — cel mai bine studiat segment pentru IA, cu aplicații validate în retinopatie prematură, detecție sepsis neonatal și evaluarea maturității cerebrale prin IA EEG/imagistică
• Copii mici și preșcolari (1–6 ani) — diagnosticul tulburărilor de spectru autist, detecția malformațiilor cardiace congenitale pe ecografie și monitorizarea bolilor cronice (astm, diabet)
• Copii școlari și adolescenți (6–18 ani) — sănătate mintală (depresie, anxietate, ADHD), epilepsie, oncologie (leucemie, osteosarcom, neuroblastom), management diabet zaharat tip 1, boli inflamatorii cronice

O concluzie transversală importantă a revizuirii este că marea majoritate a algoritmilor IA validați în pediatrie provin din centre academice cu resurse din America de Nord, Europa și Asia de Est, cu reprezentare insuficientă a populațiilor din Africa Subsahariană, Asia de Sud și America Latină — regiuni cu cea mai mare povară de mortalitate pediatrică preventabilă, unde beneficiul potențial al IA ar fi maxim.

Intervenție și comparator

Revizuirea nu descrie o intervenție clinică singulară, ci sintetizează aplicații IA cu diferite arhitecturi tehnice comparate cu standardele diagnostice sau terapeutice curente din pediatrie.

• Viziune artificială (computer vision) — rețele neuronale convoluționale (CNN) pentru analiza imaginilor retiniene în retinopatie prematură, imagistică cerebrală, radiografii toracice, dermatologie și histopatologie pediatrică
• Modele predictive pe date clinice — algoritmi de detecție precoce a sepsisului neonatal, a deteriorării clinice și a riscului de readmisie, antrenați pe date din dosarul electronic de sănătate
• Procesarea limbajului natural (NLP) — extragerea automată a diagnosticelor din notele clinice, sumarizarea istoricului medical pediatric complex, facilitarea comunicării cu familiile
• Genomică și boli rare — clasificarea variantelor genetice de semnificație incertă (VUS), prioritizarea genelor candidate în boli rare nediagnosticate, fenotipizare automată din date clinice

Comparatorul în studiile incluse a fost de regulă expertiza clinicianului pediatru sau a subspecialistului relevant (oftalmolog pentru retinopatie, neurolog pentru epilepsie, hematolog pentru leucemie), permițând evaluarea concordanței și performanței diagnostice (sensibilitate, specificitate, AUC-ROC) a soluțiilor IA comparativ cu standardul uman.

Rezultate principale

Domenii cu validare clinică avansată

Cea mai solidă evidență de validare clinică există în 4 domenii: (1) Retinopatie prematură — algoritmii IA ating performanță echivalentă sau superioară oftalmologilor experți în clasificarea severității (AUC 0,94–0,99 în studii multicenter), cu potențial major de extindere a screeningului în regiuni fără suficienti specialiști; (2) Detecția sepsisului neonatal — modele antrenate pe variabile clinice și biologice detectează sepsisul neonatal cu 6–12 ore înaintea criteriilor clinice clasice, permițând tratament mai precoce; (3) Epilepsie pediatrică — clasificarea automată a crizelor epileptice pe EEG cu precizie comparabilă neurologilor seniori, cu aplicabilitate în monitorizarea neonatală continuă; (4) Leucemie limfoblastică acută — clasificarea automată a morfologiei blastice pe frotiu de sânge periferic și măduvă osoasă cu acuratețe ≥95% față de hematopatolog.

Oportunități emergente cu potențial ridicat

Domenii cu potențial ridicat dar evidență clinică mai preliminară includ: diagnosticul tulburărilor de spectru autist din date de comportament și limbaj colectate digital (aplicații pe smartphone sau tabletă), cu sensibilitate raportată de 80–90% în studii pilot; managementul dozelor de insulină în diabetul zaharat tip 1 prin sisteme de buclă închisă augmentate de IA; detecția precoce a bolilor rare prin analiza fenotipului clinic din note medicale (phenotype-driven diagnostics); și triajul pediatric de urgență cu estimarea severității și prioritizarea accesului la resurse critice.

Rezultate secundare și limitări

Revizuirea identifică 5 categorii majore de provocări specifice implementării IA în pediatrie:

• Raritatea datelor pediatrice — cohortele pediatrice sunt mai mici decât cele adulte; colectarea datelor de la copii implică consimțământ al părinților și protecție suplimentară, limitând disponibilitatea seturilor de antrenare mari și diverse
• Variabilitatea developmentală — un copil de 2 ani și un adolescent de 16 ani sunt biologic atât de diferiți încât un model IA trebuie fie antrenat pe subgrupe de vârstă înguste, fie proiectat pentru a gestiona variabilitatea dinamică a creșterii — o provocare tehnica unică în pediatrie
• Considerații etice și de consimțământ — utilizarea datelor pediatrice în cercetare IA ridică probleme etice legate de consimțământul informat al minorilor, dreptul la confidențialitate pe termen lung și impactul deciziilor automatizate asupra copiilor vulnerabili
• Bias algoritmici — algoritmii antrenați predominant pe date din centre europene sau nord-americane performează inferior pe populații cu fenotipuri diferite (ex. clasificarea leziunilor cutanate pe piele non-caucaziană sau interpretarea radiografiilor în contexte nutriționale diferite)
• Reglementare și validare prospectivă — marea majoritate a algoritmilor IA publicate în pediatrie au validare retrospectivă pe date istorice; studiile prospective randomizate care să demonstreze beneficiul clinic real (nu doar performanța diagnostică) sunt rare și necesare

Autorii subliniază necesitatea parteneriatelor internaționale pentru crearea bazelor de date pediatrice federate (care permit antrenarea modelelor fără centralizarea datelor personale), a cadrelor etice specifice pentru IA pediatrică și a mecanismelor de reglementare care să permită inovarea responsabilă fără a bloca progresul clinic.

Concluzii și implicații practice

Inteligența artificială este deja o realitate clinică în segmente-cheie ale pediatriei și va transforma fundamental practicile de diagnostic și tratament în decada curentă. Clinicienii pediatri ar trebui să se familiarizeze cu aplicațiile validate (retinopatie prematură, sepsis neonatal, epilepsie, leucemie) și să înțeleagă atât performanța, cât și limitele acestor instrumente. Instituțiile medicale ar trebui să investească în infrastructura de date pediatrice — standarde de colectare, stocare și deidentificare — ca fundament esențial al inovației IA. Comitetele de etică și factorii de decizie trebuie să dezvolte cadre specifice pentru IA pediatrică, distincte de cele din medicina adulților, care să protejeze adecvat drepturile copilului și ale familiei. Cercetătorii sunt îndemnaăți să prioritizeze studii prospective cu endpoint-uri clinice relevante, nu doar metrici de performanță diagnostică, și să includă activ populații din sisteme de sănătate cu resurse limitate. Pe termen scurt, domenii cu cel mai înalt potențial de impact imediat includ screeningul retinopatiei premature în regiuni cu deficit de oftalmologi, detecția sepsisului neonatal în terapie intensivă și diagnosticul accelerat al bolilor rare. Pe termen mediu, IA va deveni un asistent clinic indispensabil al pediatrului, augmentând — nu înlocuind — raționamentul clinic uman.