L’AI sarebbe in grado di individuare i rischi di arresto cardiaco, e salvare così migliaia di pazienti affetti da problemi all’apparato cardiocircolatorio mai individuati o passati inosservati. Gli scienziati hanno identificato un segnale nascosto nelle comuni scansioni cardiache in grado di prevedere la morte improvvisa. Offrendo la possibilità di salvare migliaia di vite. Si tratta di un indicatore finora ignorato negli esami di routine come, ad esempio, l’elettrocardiogramma. La sua presenza consentirebbe ai medici di riconoscere i pazienti ad alto rischio prima che si verifichi un evento fatale, andando poi a pianificare interventi preventivi mirati e tempestivi.
L’AI per individuare i rischi di arresto cardiaco: cosa dice lo studio
Lo studio, realizzato dai ricercatori dell’UC Berkeley, sfrutta l’intelligenza artificiale per analizzare oltre 440.000 elettrocardiogrammi (ECG) provenienti dalla Svezia. Questi esami, che registrano l’attività elettrica del cuore, rappresentano già uno strumento consolidato nella pratica clinica. Analizzando i tracciati insieme alle informazioni riportate sui certificati di morte, i ricercatori hanno addestrato un sistema a distinguere differenze sottili nei pattern elettrici tra persone considerate sane, pazienti con fattori di rischio cardiaco già noti e individui che in seguito sono morti improvvisamente per problemi all’apparato cardiocircolatorio. L’obiettivo era andare oltre i segnali evidenti che un medico può già riconoscere e scoprire configurazioni più difficili da individuare a occhio nudo. In questo modo, un esame semplice e comune potrebbe contenere informazioni aggiuntive sul rischio individuale, anche quando queste non risultano chiaramente visibili con le normali procedure di lettura.
Una scoperta promettente
Il team ha poi verificato il funzionamento della tecnologia su migliaia di ulteriori cartelle cliniche provenienti dagli Stati Uniti e da Taiwan. Questa fase ha permesso di valutare se i modelli individuati fossero riconoscibili anche in popolazioni diverse da quella svedese, un passaggio importante per capire quanto un sistema di questo tipo possa essere applicabile in contesti clinici differenti. La scoperta è promettente, ma è comunque necessario riconoscere che l’uso dell’AI non sostituisce la valutazione di medici e specialisti. Saranno necessari ulteriori studi per confermare l’affidabilità del segnale, comprenderne il significato clinico e stabilire come integrarlo nei controlli di routine. Se i risultati saranno confermati, tuttavia, l’analisi automatizzata degli ECG potrebbe offrire ai professionisti uno strumento in più per riconoscere tempestivamente chi potrebbe aver bisogno di approfondimenti e contribuire a prevenire eventi cardiaci improvvisi.
Perché la morte per arresto cardiaco improvviso è così difficile da prevedere?
L’arresto cardiaco improvviso è diverso da un infarto. Quest’ultimo si verifica quando il flusso sanguigno verso una parte del cuore viene bloccato o fortemente limitato. L’arresto cardiaco, invece, scaturisce da un’interruzione di quelli che sono i segnali elettrici che coordinano il battito cardiaco. La rianimazione cardio polmonare immediata, e l’impiego di un defibrillatore esterno automatico, possono talvolta ripristinare il battito. Tuttavia, circa il 90% delle persone che subiscono un arresto cardiaco improvviso fuori dall’ospedale muore nel giro di pochi minuti, rendendo particolarmente importante il riconoscimento precoce di chi è a rischio.
I risultati, di questo studio, pubblicati sulla rivista Nature, potrebbero quindi aiutare i medici a prendere decisioni più consapevoli e individuare quei pazienti che necessitano di un defibrillatore sottocutaneo, per poter continuare ad avere una vita normale. Tuttavia, i dati emersi dallo studio, sollevano anche una curiosa questione scientifica relativa ai cambiamenti all’interno del cuore prodotti dagli schemi elettrici, e che l’AI ha imparato a riconoscere.
Decisioni non sempre semplici
“Le decisioni mediche sono davvero difficili, e penso che sia per questo che l’AI è così entusiasmante per me”, ha detto Ziad Obermeyer, professore associato presso la School of Public Health dell’UC Berkeley e autore principale dello studio. “Non solo possiamo prendere decisioni migliori, ma anche iniziare a capire cosa sta realmente succedendo a questi pazienti prima che il loro cuore si fermi”.
La morte per arresto cardiaco improvviso, dunque, resta uno dei problemi più frustranti e irrisolti della medicina. Poiché le vittime spesso muoiono senza preavviso, i ricercatori hanno poche opportunità di osservare cosa accade all’interno del cuore immediatamente prima che si fermi. Un’autopsia può scoprire vasi sanguigni ostruiti, tessuto indurito o altre anomalie strutturali, ma non può rivelare completamente come funzionava il cuore nei momenti precedenti alla morte.
“Una cosa che rende il problema molto tragico, ma anche molto adatto all’IA, è che abbiamo la cura per questo problema”, ha detto Obermeyer. “Se sapessi di essere una delle persone che sarebbe morta d’un colpo, andrebbe da un cardiologo e vi avrebbero impiantato un defibrillatore. Il problema è che i medici non riescono a capire chi ne ha bisogno prima che sia troppo tardi”.
Come sono stati addestrati i modelli AI per questa ricerca
Lo sviluppo dell’algoritmo, come abbiamo già detto, ha richiesto tre raccolte indipendenti di dati medici da diverse parti del mondo. I ricercatori hanno iniziato con 6 anni di registrazioni EKG provenienti dal sistema sanitario unificato svedese. Collegando queste scansioni ai certificati di morte, potevano esaminare i pattern elettrici dei pazienti che in seguito avevano subito una morte cardiaca improvvisa e confrontarli con quelli di altri pazienti. L’AI ha imparato a identificare combinazioni di picchi, onde e altre caratteristiche nelle registrazioni che sembravano associate a un rischio superiore. Una volta addestrato il sistema, il team lo ha testato impiegando due ulteriori dataset: due anni di registrazioni EKG, rigorosamente anonime, provenienti da un sistema ospedaliero di San Diego e una raccolta separata di dati dei pazienti da Taipei. Questo test internazionale ha aiutato i ricercatori a valutare se le capacità predittive dell’algoritmo potessero estendersi oltre la popolazione svedese. “Una buona AI parte da buoni dati” ha detto Obermeyer, che fa anche parte del programma congiunto UCSF-UC Berkeley Computational Precision Health.
Le difficoltà nel reperire i dati
“Purtroppo, dati come quelli che abbiamo usato per questo studio sono incredibilmente difficili da reperire. È una parte importante del motivo per cui oggi c’è così poca intelligenza artificiale clinica in uso”. Ottenere e organizzare le informazioni era di per sé un’impresa enorme. Secondo Obermeyer, l’assemblaggio dei dataset ha richiesto circa 10 anni e ha comportato contributi da due organizzazioni, che egli ha aiutato a fondare e promuovere, Dandelion Health e Nightingale Open Science. Entrambe le organizzazioni lavorano per far progredire la ricerca medica attraverso un migliore accesso ai dati e all’intelligenza artificiale. Ma il lavoro del team non si ferma, e Ziad Obermeyer sta collaborando con sistemi Svezia, Taiwan e Stati Uniti per introdurre l’algoritmo nei database EKG ospedalieri. L’obiettivo è esaminare le scansioni cardiache esistenti alla ricerca di segni di rischio elevato e individuare i pazienti che potrebbero beneficiare di un monitoraggio aggiuntivo.
- Cappuccio e vestibilità posteriori regolabili: questo impermeabile per cani regolabile ha cappuccio e schienale...
- Niente occhi bloccati dalla pioggia: questa giacca antipioggia per cani utilizza un cappuccio trasparente e una...
- Meno rigidità, più libertà di movimento: con una struttura traspirante a doppio strato, questo cappotto antipioggia...
Ultimo aggiornamento 2026-11-21 / Link di affiliazione / Immagini da Amazon Product Advertising API
