L’intelligenza artificiale utilizza i dati temporali e meteorologici per prevedere con precisione il rischio di arresto cardiaco
Il modello di apprendimento automatico combina dati temporali e meteorologici.
Una branca dell’intelligenza artificiale (AI), chiamata machine learning, può prevedere con precisione il rischio di un arresto cardiaco extraospedaliero – quando il cuore smette improvvisamente di battere – utilizzando una combinazione di dati temporali e meteorologici, secondo una ricerca pubblicata online sulla rivista Heart .
L’apprendimento automatico è lo studio degli algoritmi informatici e si basa sull’idea che i sistemi possono imparare dai dati e identificare modelli per informare le decisioni con un intervento minimo.
I risultati mostrano che il rischio di arresto cardiaco era più alto la domenica, il lunedì, i giorni festivi e quando le temperature scendevano bruscamente entro o tra i giorni.
Queste informazioni potrebbero essere utilizzate come sistema di allerta precoce per i cittadini, per ridurre il loro rischio e migliorare le loro possibilità di sopravvivenza e per migliorare la preparazione dei servizi medici di emergenza, suggeriscono i ricercatori.
L’arresto cardiaco fuori dall’ospedale è comune in tutto il mondo, ma è generalmente associato a bassi tassi di sopravvivenza. Il rischio è influenzato dalle condizioni meteorologiche prevalenti.
Ma i dati meteorologici sono estesi e complessi e l’apprendimento automatico ha il potenziale per raccogliere associazioni non identificate dagli approcci statistici unidimensionali convenzionali, affermano i ricercatori giapponesi.
Per esplorare ulteriormente questo aspetto, hanno valutato la capacità dell’apprendimento automatico di prevedere l’arresto cardiaco giornaliero extraospedaliero, utilizzando il tempo quotidiano (temperatura, umidità relativa, precipitazioni, nevicate, copertura nuvolosa, velocità del vento e letture della pressione atmosferica) e tempi ( anno, stagione, giorno della settimana, ora del giorno e giorni festivi).
Dei 1.299.784 casi verificatisi tra il 2005 e il 2013, l’apprendimento automatico è stato applicato a 525.374, utilizzando dati meteorologici o temporali, o entrambi (set di dati di allenamento).
I risultati sono stati poi confrontati con 135.678 casi verificatisi nel 2014-15 per testare l’accuratezza del modello per la previsione del numero di arresti cardiaci giornalieri in altri anni (test dataset).
E per vedere quanto accurato potrebbe essere l’approccio a livello locale, i ricercatori hanno effettuato una “analisi della mappa di calore”, utilizzando un altro set di dati tratto dalla posizione degli arresti cardiaci extraospedalieri nella città di Kobe tra gennaio 2016 e dicembre 2018.
La combinazione di dati meteorologici e di temporizzazione ha predetto in modo più accurato un arresto cardiaco extraospedaliero sia nei set di dati di addestramento che di test.
Ha predetto che la domenica, il lunedì, i giorni festivi, l’inverno, le basse temperature e i bruschi cali di temperatura all’interno e tra i giorni erano più fortemente associati all’arresto cardiaco rispetto ai soli dati meteorologici o temporali.
I ricercatori riconoscono di non avere informazioni dettagliate sulla posizione degli arresti cardiaci se non nella città di Kobe, né di avere dati su condizioni mediche preesistenti, che potrebbero aver influenzato i risultati.
Ma suggeriscono: “Il nostro modello predittivo per l’incidenza giornaliera di [arresto cardiaco extraospedaliero] è ampiamente generalizzabile per la popolazione generale nei paesi sviluppati, perché questo studio aveva un campione di grandi dimensioni e utilizzava dati meteorologici completi”.
Aggiungono: “I metodi sviluppati in questo studio servono come esempio di un nuovo modello per l’analisi predittiva che potrebbe essere applicato ad altri esiti clinici di interesse relativi a malattie cardiovascolari acute potenzialmente letali”.
E concludono: “Questo modello predittivo può essere utile per prevenire [l’arresto cardiaco fuori dall’ospedale] e migliorare la prognosi dei pazienti … attraverso un sistema di allerta per i cittadini e [i servizi medici di emergenza] nei giorni ad alto rischio in futuro”.
In un editoriale collegato, il dottor David Foster Gaieski, del Sidney Kimmel Medical College della Thomas Jefferson University, concorda.
“Sapere quale sarà il tempo molto probabilmente nella prossima settimana può generare ‘avvisi di emergenza cardiovascolare’ per le persone a rischio, informando gli anziani e gli altri sui prossimi periodi di maggiore pericolo in modo simile a come vengono utilizzati i dati meteorologici per informare le persone dell’imminente strada pericolosa. condizioni durante le tempeste invernali”, spiega.
“Queste previsioni possono essere utilizzate per l’implementazione, la programmazione e la pianificazione delle risorse in modo che i sistemi dei servizi medici di emergenza, le risorse di rianimazione del pronto soccorso e il personale del laboratorio di cateterizzazione cardiaca siano consapevoli e preparati per il numero di [casi] previsti nei prossimi giorni ,” Aggiunge.
Riferimenti:
“Modello di apprendimento automatico per la previsione degli arresti cardiaci extraospedalieri utilizzando dati meteorologici e cronologici” di Takahiro Nakashima, Soshiro Ogata, Teruo Noguchi, Yoshio Tahara, Daisuke Onozuka, Satoshi Kato, Yoshiki Yamagata, Sunao Kojima, Taku Iwami, Tetsuya Sakamoto, Ken Nagao, Hiroshi Nonogi, Satoshi Yasuda, Koji Iihara, Robert Neumar e Kunihiro Nishimura, 17 maggio 2021, Cuore .
DOI: 10.1136/heartjnl-2020-318726
“Le previsioni del tempo della prossima settimana: nuvoloso, freddo, con possibilità di arresto cardiaco” di David Foster Gaieski, 17 maggio 2021, Cuore .
DOI: 10.1136/heartjnl-2021-318950
Finanziamento: Agenzia giapponese per il restauro e la conservazione dell’ambiente; Società giapponese per la promozione della scienza; Fondo di ricerca intramurale sulle malattie cardiovascolari del Centro nazionale cerebrale e cardiovascolare
