Quante volte abbiamo sentito raccontare l’infarto come qualcosa di assolutamente imprevisto? Ebbene, un aiuto per medici e pazienti potrebbe arrivare da un nuovo modello di intelligenza artificiale (AI). Che, oltretutto, si sarebbe rivelato molto più efficace dei dottori in carne e ossa nell’identificare i pazienti a rischio di arresto cardiaco improvviso.
La chiave sta nella capacità del sistema di analizzare delle immagini cardiache a lungo sottoutilizzate, insieme a un’ampia gamma di cartelle cliniche. Tutto questo per estrarre informazioni nascoste sulla salute del cuore del singolo paziente.
Le prospettive della ricerca su cuore e AI
Il lavoro, pubblicato su ‘Nature Cardiovascular Research’, è forte di un finanziamento federale ed è guidato dai ricercatori della Johns Hopkins University. I suoi risultati potrebbero contribuire a salvare molte vite, risparmiando allo stesso tempo cure inutili, come l’impianto di defibrillatori in realtà non necessari.
“Abbiamo pazienti che muoiono nel fiore degli anni perché non sono protetti e altri che portano defibrillatori per il resto della loro vita senza alcun beneficio”, ha affermato l’autrice senior dello studio Natalia Trayanova, ricercatrice specializzata nell’uso dell’intelligenza artificiale in cardiologia. Opra però, grazie all’AI “abbiamo la capacità di prevedere con altissima precisione se un paziente è ad altissimo rischio di morte cardiaca improvvisa oppure no”.
I rischi dei pazienti con cardiomiopatia ipertrofica
La cardiomiopatia ipertrofica è una delle cardiopatie ereditarie più comuni: colpisce una persona ogni 200-500 in tutto il mondo, ed è una delle principali cause di morte cardiaca improvvisa nei giovani e negli atleti. Molti pazienti conducono una vita normale, ma una percentuale di essi presenta un rischio significativamente più elevato di morte cardiaca improvvisa. Per i medici però finora era quasi impossibile identificare correttamente questi ultimi soggetti. .
Le attuali linee guida cliniche utilizzate negli Stati Uniti e in Europa per individuare chi è più a rischio di infarto fatale hanno circa il 50% di probabilità di portare a un risultato corretto. “Non molto meglio del lancio di dadi”, afferma con amarezza Trayanova. Al contrario, il modello testato dal team ha superato significativamente le linee guida cliniche in tutte le fasce d’età.
Come opera l’AI
Ma come opera il modello? L’intelligenza artificiale multimodale per la stratificazione del rischio di aritmie ventricolari (MAARS) prevede il rischio di morte cardiaca improvvisa per ogni singolo paziente analizzando una varietà di dati e cartelle cliniche e, per la prima volta, esplorando tutte le informazioni contenute nelle immagini di risonanza magnetica con mezzo di contrasto del cuore del paziente.
Il fatto è che le persone con cardiomiopatia ipertrofica sviluppano fibrosi, o cicatrici, in tutto il cuore ed è proprio questo ad aumentare il rischio di morte improvvisa. Sebbene i medici non siano stati in grado di interpretare le immagini MRI grezze, l’AI si è concentrata proprio sulle strutture cicatriziali critiche.
“Nessuno ha utilizzato il deep learning su queste immagini”, ha affermato Trayanova. “Siamo in grado di estrarle da” quelle “che di solito non vengono considerate”. Il team ha testato il modello su pazienti reali trattati in base alle linee guida cliniche tradizionali presso il Johns Hopkins Hospital e il Sanger Heart & Vascular Institute in North Carolina.
I risultati e le spiegazioni del modello
Rispetto alle linee guida cliniche, che si sono dimostrate accurate circa la metà delle volte, l’AI ha raggiunto un’accuratezza dell’89% su tutti i pazienti e, soprattutto, del 93% per le persone tra 40 e 60 anni, il gruppo più a rischio di morte cardiaca improvvisa.
Il modello di intelligenza artificiale può anche descrivere le ragioni per cui i pazienti sono ad alto rischio, consentendo ai medici di personalizzare un piano terapeutico in base alle loro esigenze specifiche.
“Il nostro studio dimostra che il modello di intelligenza artificiale migliora significativamente la capacità di individuare i pazienti a più alto rischio rispetto ai nostri algoritmi attuali e ha, quindi, il potere di trasformare l’assistenza clinica”, afferma il coautore del lavoro Jonathan Crispin, cardiologo della Johns Hopkins.
Ma non è tutto: il team prevede di testare ulteriormente il nuovo modello su un maggior numero di pazienti ed estendere il nuovo algoritmo per utilizzarlo anche su altri tipi di cardiopatie.
