L’evoluzione della tecnologia wearable sta ridefinendo i confini tra l’assistenza sanitaria e i dispositivi di consumo quotidiano. L’ultima e più promettente frontiera è stata presentata dai ricercatori della Yale University School of Medicine all’annuale meeting dell’American Heart Association (AHA): una nuova tecnologia basata sull’intelligenza artificiale che permette di rilevare anomalie strutturali nel cuore analizzando i semplici dati di elettrocardiogramma (ECG) raccolti dagli smartwatch.
Questo sviluppo segna un’uscita decisiva dalla funzione tradizionale degli smartwatch in campo cardiaco, che si limitava prevalentemente al monitoraggio delle anomalie del ritmo (come la fibrillazione atriale). Ora, grazie all’AI, si apre la possibilità di rilevare problemi strutturali ben più complessi, come l’ipertrofia del muscolo cardiaco (l’ingrossamento anomalo del cuore), l’indebolimento della funzione di pompa (insufficienza cardiaca) e persino i danni alle valvole.
L’importanza di questa innovazione risiede nella sua accessibilità. Come ha sottolineato il team di ricerca guidato dal Dott. Rohan Khera di Yale, gli smartwatch da soli potrebbero consentire uno screening su larga scala per le cardiopatie strutturali. Questo ha il potenziale di cambiare radicalmente la sanità pubblica, spostando la diagnosi precoce delle malattie cardiache da contesti clinici specialistici a un monitoraggio quotidiano e diffuso.
Il segreto di questa capacità risiede nell’analisi dei dati ECG a singola derivazione disponibili per gli utenti di dispositivi come l’Apple Watch. Questi dati, che possono essere registrati in modo semplice tramite i sensori del dispositivo, sono stati la base per addestrare un sofisticato modello di intelligenza artificiale.
Per raggiungere un alto livello di affidabilità, i ricercatori hanno utilizzato un dataset massiccio e variegato: 266.000 dati ECG a 12 derivazioni provenienti da 110.000 pazienti raccolti tra il 2015 e il 2023 presso lo Yale-New Haven Hospital. Questo addestramento su dati clinici standard ha permesso di sviluppare un algoritmo robusto, convalidato successivamente su un gruppo di oltre 45.000 pazienti esterni.
Una delle sfide più grandi nell’utilizzo dei dati wearable è la qualità spesso imperfetta del segnale, causata dal movimento e dalla variabilità della registrazione. Il modello di intelligenza artificiale di Yale è stato specificamente progettato per superare questo ostacolo: i ricercatori hanno intenzionalmente aggiunto del “rumore” al processo di apprendimento, insegnando all’algoritmo a funzionare in modo affidabile anche con i segnali meno nitidi raccolti dagli smartwatch reali.
La validazione ha dato risultati impressionanti. In uno studio parallelo su 600 pazienti ambulatoriali, l’algoritmo di intelligenza artificiale, utilizzando i dati dell’ECG di Apple Watch e confrontandosi con i risultati degli ecocardiogrammi (l’attuale gold standard per la valutazione strutturale), ha rilevato le cardiopatie strutturali con un’accuratezza dell’86%. Inoltre, ha dimostrato un’accuratezza del 99% nel distinguere l’assenza di patologia.
Naturalmente, il team di ricerca ha riconosciuto che la tecnologia è ancora nelle sue fasi iniziali. Hanno messo in guardia sui limiti relativi alla dimensione relativamente ridotta del campione di pazienti con anomalie cardiache strutturali e sulla presenza di alcuni falsi positivi nel rilevamento. Tuttavia, l’entusiasmo per il potenziale è palpabile.
Il professor Foo Siong Ng dell’Imperial College di Londra ha commentato che questa ricerca dimostra il potenziale dell’AI nell’identificare precocemente l’insufficienza cardiaca o la valvulopatia che potrebbero altrimenti rimanere nascoste nella popolazione generale. L’interpretazione dell’ECG basata sull’intelligenza artificiale si sta espandendo oltre i confini dell’ospedale, promettendo di trasformare gli smartwatch in strumenti di screening essenziali, quasi come un “ecocardiogramma portatile” sempre disponibile al polso dell’utente. Questa rivoluzione potrebbe portare a diagnosi più tempestive e, di conseguenza, a trattamenti salvavita.