L’intelligenza artificiale in cardiologia rappresenta una rilevante occasione da cogliere e governare. E il 2023 è l’anno in cui sono aumentate le applicazioni di IA nell’ambito cardiologico. Tra i casi più interessanti, è stato sviluppato di un modello di intelligenza artificiale fondato sul machine learning per prevedere il rischio di prognosi negativa nei pazienti affetti da cardiomiopatia da stress acuto, detta anche sindrome del cuore infranto o di Takotsubo.
L’algoritmo sviluppato a Torino ha una precisione senza precedenti nella predizione della prognosi ed è un grosso passo avanti nella comprensione delle differenti variabili cliniche che la determinano
Da qui, la pubblicazione dello studio innovativo condotto dai medici cardiologi Ovidio De Filippo e Fabrizio D’Ascenzo della Cardiologia universitaria dell’ospedale Molinette della Città della Salute di Torino, in collaborazione con il dottor Corrado Pancotti e altri esperti di IA dell’Università degli Studi di Torino, sotto la direzione rispettivamente dei professori Gaetano Maria De Ferrari e Piero Fariselli.
Pubblicato sulla rivista scientifica internazionale European Journal of Heart Failure, questo studio – che ha utilizzato un registro di pazienti coordinato dalla Cardiologia dell’Università di Zurigo, guidata dal professor Christian Templin con la Cardiologia dell’ospedale Molinette –, potrà rivoluzionare la comprensione e, soprattutto, la gestione della sindrome di Takotsubo.
Sindrome di Takotsubo, cos’è la sindrome del cuore infranto
Forma improvvisa e acuta di insufficienza cardiaca, la sindrome del cuore infranto (o di Takotsubo, parola nipponica che rimanda a una sorta di vaso utilizzato dai pescatori locali per la cattura dei polpi), definita anche cardiomiopatia da stress, consiste in una sofferenza cardiaca temporanea in grado di riprodurre ogni sintomo tipico dell’infarto e può presentarsi come risposta ad un evento particolarmente stressante (brutte notizie, un trauma, una morte).
A rischio sono in particolare le donne – che rappresentano circa il 90% dei casi – dopo la menopausa e si stima che abbiano una diagnosi di Takotsubo circa il 2% dei pazienti che si recano in Pronto soccorso a causa di un sospetto infarto.
La sintomatologia può essere simile a un attacco di cuore – dolore al torace e assenza di respiro, palpitazioni, oppure stanchezza; ciò nonostante, risulta assente qualsivoglia evidenza di ostruzione coronaria – con i segni e sintomi che possono comparire nell’arco di pochi minuti dall’evento stressante/emotivo scatenante o anche trascorse alcune ore.
La sindrome di Takotsubo non è sempre benigna e sono pochi gli strumenti per identificare il paziente a rischio alto
Di fatto, il muscolo cardiaco risulta all’improvviso indebolito (o “stordito”) e il ventricolo sinistro, una delle camere del cuore, muta forma. Incidendo così sulla capacità del cuore di pompare quantità di sangue consone alle necessità dell’organismo.
La maggioranza delle persone colpite da tale sindrome ha un recupero cardiaco spontaneo. Ma, “negli ultimi dieci anni si è visto che la sindrome del cuore infranto non è poi così benigna. È vero che nel 90-95% dei casi il cuore recupera completamente, ma è altrettanto vero che in fase acuta la malattia si associa anche a rischi abbastanza elevati, compreso quello di morte. Ecco, in precedenza non c’erano degli strumenti che aiutassero a identificare il paziente a rischio alto. Ragione per cui abbiamo individuato un sistema per quantificare il rischio con quello che in medicina è un punteggio di rischio (score); per raggiungerlo, invece di usare una metodica tradizionale, siamo ricorsi a una metodica di intelligenza artificiale in cardiologia”, spiega il professor De Ferrari a TrendSanità.
Se in principio la sindrome di Takotsubo era dunque considerata benigna, è stato poi rilevato che può essere associata a numerosi eventi avversi, inclusa la mortalità a breve termine. E qui entra in campo il nuovo studio che ha sviluppato un modello di intelligenza artificiale fondato sul machine learning, con l’obiettivo di prevedere il rischio di prognosi negativa nei pazienti affetti da cardiomiopatia da stress acuto.
“Il modello è stato derivato dal registro europeo International Takotsubo Registry – coordinato dall’Università di Zurigo – di quasi 4.000 pazienti e validato in oltre 1.000 pazienti italiani”, continua De Ferrari. Per poi confermare: “Ci siamo resi conto che il modello ottenuto ha una precisione senza precedenti nella predizione della prognosi. Tali risultati rappresentano un grosso passo avanti nella gestione dei pazienti con la sindrome di Takotsubo, nonché nella comprensione dell’interazione tra le differenti variabili cliniche nel determinare la prognosi”.
Cardiomiopatia da stress, è online un calcolatore per i medici
Considerata dunque l’affidabilità del sistema, è stato messo a punto un calcolatore online – disponibile gratuitamente per tutti i medici – grazie a cui i professionisti sanitari coinvolti nella gestione di questa condizione possono stimare il rischio dei pazienti affetti da sindrome da Takotsubo e agire di conseguenza (ad esempio, intensificando precocemente il livello di cure nei pazienti a rischio più elevato).
A questo proposito, il dottor De Filippo, primo autore dello studio, puntualizza che “per semplificare la comunicazione tra medico e paziente e la comprensione della propria condizione clinica ai pazienti medesimi, l’algoritmo classifica anche il rischio in tre categorie: alto, medio e basso”. A fargli eco il professor De Ferrari, che precisa: “Questo studio si aggiunge a diverse altre dimostrazioni del nostro gruppo sulle enormi potenzialità dell’IA nell’aiutarci a definire la prognosi dei pazienti in condizioni come l’infarto miocardico o la fibrillazione atriale, e attesta in questo settore il ruolo di leadership della nostra Cardiologia a livello nazionale”.
IA in cardiologia anche per calcolare il rischio post infarto
Proprio sul tema dell’intelligenza artificiale in cardiologia per calcolare il rischio post infarto è incentrato uno studio, coordinato dal dottor D’Ascenzo e pubblicato nel 2021 sulla rivista scientifica internazionale Lancet, che ha visto la collaborazione della Cardiologia universitaria dell’Ospedale Molinette della Città della Salute di Torino assieme al Dipartimento di Informatica dell’Università di Torino e a quello di Meccanica e Aerospaziale del Politecnico del capoluogo piemontese. Obiettivo: sviluppare un modello di IA, basato sull’apprendimento automatico, capace di stratificare meglio il rischio del paziente rispetto a eventi successivi all’infarto del miocardio.
In concreto, il modello è stato sviluppato usando come massa critica i dati clinici di una coorte di 19.826 pazienti adulti: gli autori hanno testato differenti modelli di machine learning fondati su 25 caratteristiche cliniche dei pazienti rilevate al momento delle dimissioni, individuandone uno (denominato “Praise score”) più incoraggiante degli altri. Questo è stato quindi ulteriormente validato su una coorte di 3.444 pazienti adulti. Il modello ha mostrato una efficienza decisamente superiore a quella degli score tradizionali, pari al 90% contro il 70%: ciò equivale a ridurre solo a uno su dieci la possibilità di effettuare una diagnosi scorretta.
