Scompenso cardiaco, l’IA dall’ECG segnala il rischio: accuratezza 90%

Ultima modifica

La notizia in breve

Diagnosticare un principio di scompenso cardiaco potrebbe presto richiedere solo l’elettrocardiogramma, secondo quanto emerso da uno studio internazionale a guida italiana pubblicato sulla rivista European Heart Journal. I ricercatori hanno sviluppato un modello di intelligenza artificiale in grado di individuare nei tracciati dell’esame tracce non visibili all’occhio umano che segnalano livelli elevati di NT-proBNP, il biomarcatore di riferimento per la diagnosi.

La ricerca è stata condotta in collaborazione tra Università della Calabria, Humanitas University, Università Federico II di Napoli, Università e Azienda sanitaria universitaria di Trieste, Università di Zurigo, Imperial College London, King’s College London e Seoul National University. Il modello di rete neurale profonda è stato addestrato su 84.895 elettrocardiogrammi ed esami NT-proBNP, imparando a cogliere micro-segnali elettrici correlati al biomarcatore. Nel test eseguito su 679 pazienti nei centri di Cosenza e Trieste, l’algoritmo ha raggiunto un’accuratezza vicina al 90% nell’individuazione dei valori a rischio.

Secondo Ciro Indolfi, primo autore dello studio e presidente della Fondazione italiana cuore e circolazione della Sic (Società italiana di cardiologia), “lo scompenso cardiaco è una delle grandi emergenze sanitarie del nostro Paese”, con oltre un milione di persone coinvolte in Italia e circa 80.000 nuovi casi ogni anno, soprattutto tra gli anziani. Gianfranco Sinagra, presidente della Sic e coautore, ha precisato che “per confermare il sospetto servono un prelievo del sangue con analisi di laboratorio e un’ecografia al cuore”, spiegando che l’integrazione dell’intelligenza artificiale permette di impiegare l’elettrocardiogramma come strumento per segnalare al medico l’effettiva necessità di prescrivere esami specialistici e di laboratorio.

Fotoillustrazione realizzata con l’ausilio di software IA

Un supporto al sospetto clinico

Lo studio descrive un possibile impiego dell’intelligenza artificiale applicata all’elettrocardiogramma per riconoscere segnali associati a livelli elevati di NT-proBNP. Il valore più plausibile di questo approccio è quello di uno strumento di selezione iniziale, capace di indicare quali pazienti potrebbero beneficiare di ulteriori accertamenti.

Che cosa indica il biomarcatore

Lo scompenso cardiaco si verifica quando il cuore non riesce a sostenere adeguatamente le esigenze dell’organismo oppure riesce a farlo solo a costo di pressioni interne elevate. Può manifestarsi con affanno, ridotta tolleranza allo sforzo, stanchezza e accumulo di liquidi, ma questi sintomi non sono esclusivi della malattia.

L’NT-proBNP è una sostanza liberata in maggiore quantità quando le pareti cardiache sono sottoposte a tensione. Un valore elevato può sostenere il sospetto di scompenso, ma non costituisce da solo una diagnosi, perché può essere influenzato anche dall’età, dalla funzione renale, dal ritmo cardiaco e da altre condizioni cliniche.

Che cosa vede l’algoritmo

L’elettrocardiogramma registra l’attività elettrica del cuore, mentre il biomarcatore riflette soprattutto lo stress delle sue pareti. Una rete neurale può individuare nel tracciato combinazioni molto sottili, distribuite fra ritmo, intervalli e forma delle onde, che risultano associate a un NT-proBNP elevato anche quando non sono riconoscibili direttamente dall’occhio umano.

Questo non significa che l’algoritmo comprenda il meccanismo della malattia come farebbe un medico. Il modello riconosce correlazioni apprese dai dati e può quindi risentire delle caratteristiche dei pazienti e dei centri utilizzati per addestrarlo.

Perché gli altri esami restano necessari

La valutazione dello scompenso integra sintomi, visita clinica, storia sanitaria, analisi di laboratorio e imaging cardiaco. L’ecocardiogramma permette di osservare struttura, movimento e funzione del cuore, elementi che un tracciato elettrico, anche analizzato dall’intelligenza artificiale, non può descrivere completamente.

Il risultato dell’algoritmo va quindi interpretato come un segnale di probabilità, non come una conferma automatica. Prima di un impiego esteso restano da verificare l’affidabilità in popolazioni differenti, la frequenza dei falsi allarmi e dei casi non riconosciuti, oltre alla capacità del sistema di migliorare concretamente il percorso clinico.

Tutte le news di The WOM Healthy su Google

Tutti gli aggiornamenti su salute, alimentazione e benessere.

Seguici su Google
Articoli Correlati
Articoli in evidenza