Un elettrocardiogramma è un esame semplice, rapido e molto comune. Di solito serve a vedere ritmo e conduzione del cuore, ma potrebbe contenere più informazioni di quelle che l’occhio umano riesce a cogliere. Un nuovo studio suggerisce che l’intelligenza artificiale potrebbe usare proprio quel tracciato, anche in versione molto semplificata, per individuare alcuni segnali di disfunzione cardiaca prima che il problema diventi evidente.
Fotoillustrazione realizzata con l’ausilio di software IA
Che cosa ha studiato la ricerca
I ricercatori hanno sviluppato un sistema capace di analizzare l’ECG e distinguere quattro gruppi: persone senza segni di queste condizioni, persone con ridotta funzione di pompa del ventricolo sinistro, persone con una riduzione intermedia e persone con scompenso cardiaco con frazione di eiezione conservata, una forma spesso più difficile da riconoscere.
Il modello è stato costruito usando un numero molto ampio di ECG raccolti nella pratica clinica su adulti. Poi è stato messo alla prova su dati provenienti da un altro centro, quindi su una popolazione indipendente, un passaggio importante per capire se uno strumento funziona anche fuori dall’ambiente in cui è nato. È stata testata sia la versione classica a 12 derivazioni sia una versione con una sola derivazione, più vicina a ciò che potrebbero registrare alcuni dispositivi indossabili.
I risultati principali
Per la disfunzione più evidente del ventricolo sinistro, il sistema ha mostrato prestazioni buone. In parole semplici, riusciva abbastanza bene a separare chi aveva un problema da chi non lo aveva. Le prestazioni sono state discrete anche per la forma intermedia.
Il punto più delicato riguarda lo scompenso con frazione di eiezione conservata. Qui il modello ha funzionato, ma con accuratezza più modesta. Questo conta perché si tratta di una condizione complessa, spesso accompagnata da sintomi sfumati come affanno, stanchezza o ridotta tolleranza allo sforzo, che possono confondersi con molti altri disturbi. C’è anche il fatto che, in questa categoria, il sistema ha prodotto più facilmente falsi positivi.
Un dato interessante è che aggiungere informazioni cliniche di base al modello non ha migliorato in modo significativo i risultati. Sembra quindi che il tracciato ECG, letto con questi strumenti, contenga già una parte importante del segnale utile.
Perché può interessarti nella vita quotidiana
Per una persona comune il messaggio non è che lo smartwatch o l’ECG da solo possano fare diagnosi. Il punto è un altro: in futuro un esame molto accessibile potrebbe aiutare a selezionare prima chi ha bisogno di approfondimenti, come un ecocardiogramma.
Questo sarebbe particolarmente utile dove gli esami specialistici non sono immediatamente disponibili, o quando i sintomi sono vaghi e vengono attribuiti all’età, alla sedentarietà, al peso, all’ansia o ad altri problemi. Se uno strumento di screening funziona bene, può aiutare a non trascurare chi merita una valutazione cardiologica più attenta.
Che cosa non possiamo ancora concludere
Questo studio non dimostra che il sistema migliori già oggi la salute dei pazienti o riduca ricoveri e decessi. Mostra soprattutto una buona capacità di classificazione in database clinici, non un beneficio clinico diretto nella vita reale.
C’è anche un limite importante: i dati arrivavano da ECG eseguiti in contesti sanitari, non da veri dispositivi indossabili usati nella quotidianità. Quindi non sappiamo ancora se la stessa resa si manterrà fuori dall’ambulatorio. La validazione nei bambini è stata esplorativa, con pochi casi, quindi non basta per trarre conclusioni solide.
Il risultato più prudente da portare a casa è questo: l’ECG, letto con l’aiuto dell’intelligenza artificiale, potrebbe diventare un utile strumento di screening, soprattutto per alcune forme di disfunzione cardiaca. Ma non sostituisce la visita, non conferma da solo una diagnosi e, almeno per ora, non dovrebbe essere interpretato come un via libera a fare affidamento sui dispositivi consumer per capire se il cuore sta bene.
Fonte scientifica
Paper originale: ECG‐Based Artificial Intelligence for Classifying Left Ventricular Dysfunction and Heart Failure With Preserved Ejection Fraction
Rivista: Journal of the American Heart Association
DOI: 10.1161/JAHA.124.041948
Tutti gli aggiornamenti su salute, alimentazione e benessere.
