L’algoritmo di autoapprendimento può prevedere lo scompenso cardiaco
 Un nuovo algoritmo informatico basato sull’intelligenza artificiale (AI) in grado di identificare sottili cambiamenti negli elettrocardiogrammi (ECG) può prevedere quando un individuo sta vivendo un’insufficienza cardiaca. L’algoritmo è stato sviluppato presso il Mount Sinai Hospital e la ricerca è stata pubblicata sul Journal of the American College of Cardiology: Cardiovascular Imaging . 

Benjamin S. Glicksberg, PhD, è assistente professore di genetica e scienze genomiche, membro dell’Hasso Plattner Institute for Digital Health sul Monte Sinai e autore senior dello studio. 

“Abbiamo dimostrato che gli algoritmi di apprendimento profondo possono riconoscere i problemi di pompaggio del sangue su entrambi i lati del cuore dai dati della forma d’onda ECG”, ha affermato Glicksberg. “Di solito, la diagnosi di questo tipo di condizioni cardiache richiede procedure costose e che richiedono tempo. Speriamo che questo algoritmo consenta una diagnosi più rapida dello scompenso cardiaco”.

Nuove opportunità con l’AI
I medici hanno tradizionalmente utilizzato un ecocardiogramma, che è una tecnica di imaging, per valutare se un paziente soffre di insufficienza cardiaca. Tuttavia, questi sono ad alta intensità di lavoro e offerti solo in alcuni ospedali. 

L’intelligenza artificiale sta creando nuove opportunità in questo senso, con la ricerca che suggerisce che gli elettrocardiogrammi potrebbero essere un’alternativa efficace. Ricerche recenti hanno indicato che un  algoritmo di apprendimento profondo può rilevare la debolezza nel ventricolo sinistro del cuore. La nuova ricerca del Monte Sinai descrive lo sviluppo di un algoritmo che valuta la forza del ventricolo sinistro e di quello destro. 

Girish N. Nadkarni, MD, MPH, CPH, è Professore Associato di Medicina presso la Icahn School of Medicine at Mount Sinai, Capo della Divisione di Medicina Digitale e Data-Driven (D4M) e autore senior della ricerca. 

“Anche se interessante, tradizionalmente è stato difficile per i medici utilizzare gli ECG per diagnosticare l’insufficienza cardiaca. Ciò è in parte dovuto al fatto che non esistono criteri diagnostici stabiliti per queste valutazioni e perché alcuni cambiamenti nelle letture ECG sono semplicemente troppo sottili per essere rilevati dall’occhio umano”, ha affermato il dott. Nadkarni. “Questo studio rappresenta un entusiasmante passo avanti nella ricerca di informazioni nascoste all’interno dei dati ECG che possono portare a migliori paradigmi di screening e trattamento utilizzando un test relativamente semplice e ampiamente disponibile”.

Programmazione e test della macchina
I ricercatori hanno programmato un computer per leggere gli ECG dei pazienti e i dati estratti dai rapporti scritti, con quest’ultimo che funge da set standard di dati per il computer da confrontare con i dati ECG. Questo gli ha permesso di identificare i cuori più deboli. 

Con i programmi di elaborazione del linguaggio naturale (NLP), il computer potrebbe estrarre questi dati dalle parole scritte. Allo stesso tempo, le reti neurali potrebbero scoprire modelli nelle immagini, che potrebbero quindi essere incorporati nell’algoritmo per aiutarlo a riconoscere le forze di pompaggio. 

“Volevamo promuovere lo stato dell’arte sviluppando un’intelligenza artificiale in grado di comprendere l’intero cuore in modo semplice ed economico”, ha affermato il dott. Vaid.

La macchina ha analizzato 700.000 ECG ed ecocardiogrammi, provenienti da quattro diversi ospedali. Un quinto ospedale è stato utilizzato per testare le prestazioni dell’algoritmo in un diverso ambiente sperimentale. 

“Un potenziale vantaggio di questo studio è che ha coinvolto una delle più grandi raccolte di ECG di una delle popolazioni di pazienti più diverse al mondo”, ha affermato il dott. Nadkarni.

L’algoritmo ha dimostrato un’efficace capacità di prevedere quali pazienti avrebbero avuto ventricoli sinistri sani o deboli, ed era accurato al 94% nel prevedere quali pazienti avevano una frazione di eiezione sana, che è la quantità di fluido che il ventricolo pompa ad ogni battito. L’algoritmo era anche accurato all’87 percento nel prevedere coloro che avevano una frazione di eiezione inferiore al 40 percento. 

Una delle aree ancora bisognose di lavoro riguarda la previsione di quali pazienti avrebbero il cuore leggermente indebolito. L’algoritmo aveva solo un tasso di precisione del 73 percento nel prevedere i pazienti che avevano una frazione di eiezione tra il 40 e il 50 percento. 

L’algoritmo è in grado di rilevare anche i punti deboli della valvola destra dagli ECG, raggiungendo un tasso di accuratezza dell’84% nel prevedere quali pazienti avevano valvole destra deboli. 

“I nostri risultati hanno suggerito che questo algoritmo potrebbe eventualmente aiutare i medici a diagnosticare correttamente il fallimento su entrambi i lati del cuore”, ha detto il dott. Vaid.

Un altro punto importante di questa ricerca è stato che ha suggerito che l’intelligenza artificiale potrebbe essere efficace nel rilevare la debolezza cardiaca in tutti i pazienti, indipendentemente dalla razza e dal sesso. 

“I nostri risultati suggeriscono che questo algoritmo potrebbe essere uno strumento utile per aiutare i medici a combattere lo scompenso cardiaco sofferto da una varietà di pazienti”, ha aggiunto il dott. Glicksberg. “Stiamo progettando con cura studi potenziali per testarne l’efficacia in un ambiente più reale”.

Di ihal