AI supporta le decisioni difficili dei medici sull’arresto cardiaco
Quando i pazienti ricevono assistenza dopo un arresto cardiaco, i medici possono ora, inserendo i dati dei pazienti in un’app basata sul Web, scoprire come se la sono cavata migliaia di pazienti simili. I ricercatori dell’Università di Göteborg hanno sviluppato tre di questi sistemi di supporto decisionale per l’arresto cardiaco che potrebbero, in futuro, fare una grande differenza per il lavoro dei medici.
Uno di questi strumenti di supporto decisionale (SCARS-1), ora pubblicato, è scaricabile gratuitamente dal sito web di Gothenburg Cardiac Arrest Machine Learning Studies. Tuttavia, i risultati dell’algoritmo devono essere interpretati da persone con le giuste competenze. Il supporto decisionale basato sull’intelligenza artificiale si sta espandendo fortemente in molte aree dell’assistenza sanitaria e sono in corso ampie discussioni su come i servizi di assistenza e i pazienti possano trarne i maggiori benefici.
L’app accede ai dati del registro svedese di rianimazione cardiopolmonare su decine di migliaia di casi di pazienti. I ricercatori dell’Università di Göteborg hanno utilizzato una forma avanzata di apprendimento automatico per insegnare ai modelli di previsione clinica a riconoscere vari fattori che hanno influenzato i risultati precedenti. Gli algoritmi tengono conto di numerosi fattori relativi, ad esempio, all’arresto cardiaco, al trattamento fornito, alla precedente cattiva salute, ai farmaci e allo stato socioeconomico.
Nuovi metodi basati sull’evidenza
Ci vorranno alcuni anni prima che le raccomandazioni ufficiali per l’arresto cardiaco possano includere il supporto decisionale basato sull’intelligenza artificiale, ma i medici sono liberi di utilizzare questi modelli di previsione e altri nuovi metodi basati sull’evidenza. Il gruppo di ricerca che lavora sul supporto decisionale per l’arresto cardiaco è guidato da Araz Rawshani, ricercatore presso la Sahlgrenska Academy dell’Università e medico residente in cardiologia presso il Sahlgrenska University Hospital.
“Sia io che molti dei miei colleghi che trattano pazienti di emergenza con arresto cardiaco abbiamo già iniziato a utilizzare i modelli di previsione come parte del nostro processo per decidere il livello di assistenza. La risposta di questi strumenti spesso significa che riceviamo conferma delle opinioni a cui siamo già arrivati. Tuttavia, ci aiuta a non sottoporre i pazienti a trattamenti dolorosi che è molto improbabile che siano di beneficio per il paziente, risparmiando risorse per l’assistenza”, afferma Rawshani.
Altamente accurato
Ad oggi, il gruppo di ricerca ha pubblicato due strumenti di supporto alle decisioni. Un modello di previsione clinica, noto come SCARS-1, è presentato nella rivista eBioMedicine di The Lancet . Questo modello indica se un nuovo caso di paziente assomiglia ad altri casi precedenti in cui, 30 giorni dopo il loro arresto cardiaco, i pazienti erano sopravvissuti o erano morti. La precisione del modello è insolitamente alta. Sulla base dei soli dieci fattori più significativi, il modello ha una sensibilità del 95% e una specificità dell’89%. Il “valore AUC-ROC” (ROC è la curva caratteristica operativa del ricevitore per il modello e AUC l’area sotto la curva ROC) per questo modello è 0,97. Il valore AUC-ROC più alto possibile è 1,0 e la soglia per un modello clinicamente rilevante è 0,7.
Un pezzo del puzzle
Questo supporto decisionale è stato sviluppato da Fredrik Hessulf, uno studente di dottorato presso la Sahlgrenska Academy, Università di Göteborg, e anestesista presso il Sahlgrenska University Hospital/Mölndal.
“Questo supporto decisionale è solo uno dei vari tasselli di un grande puzzle: la valutazione complessiva del paziente da parte del medico. Abbiamo molti fattori diversi da considerare nel decidere se procedere con la rianimazione cardiopolmonare. È un trattamento molto impegnativo che dovremmo dare solo ai pazienti che ne trarranno beneficio e saranno in grado, dopo la loro degenza in ospedale, di condurre una vita di valore per se stessi”, afferma Hessulf.
Questa forma di supporto si basa su 393 fattori che influenzano le possibilità dei pazienti di sopravvivere all’arresto cardiaco per 30 giorni dopo l’evento. L’elevata accuratezza del modello può essere spiegata dall’enorme numero di casi di pazienti (circa 55.000) su cui si basa l’algoritmo e dal fatto che dieci dei quasi 400 fattori hanno un forte impatto sulla sopravvivenza. Il fattore di gran lunga più importante era se il cuore avesse riacquistato un ritmo cardiaco vitale dopo il ricovero del paziente al pronto soccorso.
Rischio di nuovo arresto cardiaco
Il secondo strumento di supporto decisionale pubblicato è stato presentato sulla rivista Resuscitation. Questo strumento si basa sui dati di pazienti sopravvissuti all’arresto cardiaco extraospedaliero fino alla dimissione dall’ospedale. I modelli predittivi si basano su 886 fattori in 5098 casi di pazienti del registro svedese di rianimazione cardiopolmonare. Questo strumento ha in parte lo scopo di aiutare i medici a identificare quali pazienti sono a rischio di un altro arresto cardiaco o morte entro un anno dalla dimissione dall’ospedale in seguito all’arresto cardiaco. Mira inoltre a evidenziare quali fattori sono importanti per la sopravvivenza a lungo termine dopo l’arresto cardiaco, un aspetto dell’area tematica che non è stato ben studiato.
“La precisione di questo strumento è ragionevolmente buona. Può prevedere con circa il 70% di affidabilità se il paziente morirà o avrà avuto un altro arresto cardiaco entro un anno. Come lo strumento di Fredrik, questo ha il vantaggio che solo pochi fattori possono prevedere l’esito quasi quanto il modello con diverse centinaia di variabili”, afferma Gustaf Hellsén, il ricercatore che ha sviluppato questo strumento di supporto alle decisioni.
“Speriamo”, continua, “di riuscire a sviluppare questo modello di previsione, così da aumentarne la precisione. Oggi può già servire come supporto per i medici nell’identificare i fattori con un’importante incidenza sulla sopravvivenza tra i pazienti con arresto cardiaco che devono essere dimessi dall’ospedale.
Tre strumenti di supporto decisionale per diversi aspetti dell’arresto cardiaco
Attualmente, lo strumento SCARS-1 (sviluppato da Fredrik Hessulf, indirizzato alla sopravvivenza e alla funzione neurologica 30 giorni dopo l’arresto cardiaco) è disponibile per l’uso come app online. SCARS-2 (sviluppato da Gustaf Hellsén e progettato per supportare le decisioni sul rischio di nuovo arresto cardiaco dopo la dimissione) sarà lanciato a breve. Nel corso del 2023 è prevista anche la pubblicazione di SCARS-3 (per l’arresto cardiaco intraospedaliero).
Medici e altri operatori sanitari possono leggere ulteriori informazioni su questi strumenti di supporto decisionale e scaricare le applicazioni all’indirizzo http://gocares.se .
Titolo : Previsione della sopravvivenza e dell’esito neurologico nell’arresto cardiaco extraospedaliero utilizzando l’apprendimento automatico: il modello SCARS; eBiomedicina.
Titolo : Previsione dell’arresto cardiaco ricorrente nei soggetti sopravvissuti all’arresto cardiaco extraospedaliero; Rianimazione.
ARRESTO CARDIACO IMPROVVISO
Ogni anno circa 13.000 svedesi soffrono di arresto cardiaco improvviso fuori dagli ospedali. In circa il 65 percento, viene avviata la rianimazione cardiopolmonare (RCP) con l’obiettivo di rianimare la persona. Dal 1990, questi casi sono stati registrati nel registro svedese di rianimazione cardiopolmonare. Di tutti coloro che hanno subito un arresto cardiaco extraospedaliero, l’8% delle donne e il 12% degli uomini sono ancora vivi 30 giorni dopo.
