Nella pratica di routine potrebbe essere utile per individuare e trattare precocemente alcune patologie difficilmente intercettabili, come la cardiomiopatia dilatativa asintomatica.
Uno screening basato sull’intelligenza artificiale ha dimostrato di essere molto preciso nel rilevare la presenza delle malattie cardiache più insidiose come, per esempio, la cardiomiopatia dilatativa asintomatica, attraverso la diagnosi precoce della bassa frazione di eiezione (EF) nel setting delle cure primarie.
È quanto emerge dalle pagine di Nature Medicine dove sono stati recentemente pubblicati i risultati di un lavoro unico nel suo genere condotto negli Stati Uniti.
Alcune malattie cardiache possono essere difficili da riconoscere, soprattutto nelle prime fasi, quando però il trattamento si rivelerebbe più efficace.
Tra queste c’è anche la cardiomiopatia dilatativa asintomatica, che consiste nell’incapacità del cuore di contrarsi abbastanza a ogni battito per pompare efficacemente il sangue nel corpo. La bassa EF caratteristica di questa condizione sarebbe facilmente diagnosticabile con un ecocardiogramma, che però è una metodica troppo costosa per essere utilizzata su una popolazione non selezionata. Un test a basso costo che consentisse di identificare i pazienti ad alto rischio da sottoporre a ulteriore analisi con un’eco-cardiografia sarebbe molto utile, ma finora nessun test si era dimostrato sufficientemente efficace. Gli studiosi americani hanno messo a punto un algoritmo di intelligenza artificiale basato sull’elettrocardiogramma (ECG) a 12 derivazioni che si è rivelato più veloce, meno costoso e facilmente disponibile.
Lo strumento è da tempo utilizzato come esame diagnostico ambulatoriale per monitorare l’attività elettrica del cuore. La novità del dispositivo testato nello studio americano risiede nel software utilizzato, che sarebbe in grado di effettuare uno screening della bassa frazione di eiezione utilizzando (anche) la grande mole di dati a disposizione con una tecnica definita deep learning, cioè apprendimento profondo: avendo a disposizione una casistica molto più ampia di quella che può vedere un medico in tutta la sua carriera.
L’algoritmo è in grado di individuare (e segnalare) i casi che necessitano di un ulteriore approfondimento diagnostico in una percentuale più alta di quanto potrebbe fare l’uomo.
La sperimentazione ha coinvolto 45 istituzioni mediche in Minnesota e Wisconsin, tra cui cliniche rurali e centri medici comunitari e accademici. In tutto, 348 medici di assistenza primaria sono stati assegnati in modo casuale all’assistenza usuale o all’intervento. Quando nel gruppo di intervento si è verificato un risultato positivo, è stato prescritto un ecocardiogramma di conferma.
I ricercatori hanno visto che l’elettrocardiogramma basato sull’intelligenza artificiale ha facilitato la diagnosi dei pazienti con bassa frazione di eiezione in un contesto reale, identificando persone che altrimenti non sarebbero state intercettate. In otto mesi, 22.641 pazienti adulti hanno ricevuto un ECG e sono stati seguiti dai medici nella sperimentazione. L’intervento dell’intelligenza artificiale ha aumentato la diagnosi di frazione di eiezione bassa del 32% rispetto alle cure abituali.
EAGLE, questo il nome dello studio, è uno dei primi lavori condotti su larga scala per dimostrare il valore dell’intelligenza artificiale nella pratica di routine. Secondo gli autori, questi risultati potrebbero essere utili anche per l’applicazione degli algoritmi a altre malattie.
Bibliografia
- Xiaoxi Yao et al., Artificial intelligence-enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial, Nature Medicine, 2021, https://doi.org/10.1038/s41591-021-01335-4
- ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial https://pubmed.ncbi.nlm.nih.gov/31710842/