Intelligenza artificiale in cardiologia: nuove frontiere per la prevenzione e diagnosi

 

Aiuta a personalizzare la prevenzione delle malattie cardiovascolari e identifica gravi stenosi aorticche da ecocardiogrammi di routine‎.

 

 

 

Un nuovo algoritmo di intelligenza artificiale (AI) utilizza ecocardiogrammi di routine per identificare i pazienti con stenosi aortica ad alto rischio di morte che potrebbero beneficiare del trattamento. La ricerca è stata presentata al Congresso ESC 2022.

La stenosi aortica è la lesione valvolare primaria più comune che richiede un intervento chirurgico o un intervento transcatetere.L’incidenza è in rapido aumento a causa dell’invecchiamento della popolazione. Le linee guida consigliano vivamente un intervento precoce in tutti i pazienti sintomatici con stenosi aortica grave a causa della prognosi sfavorevole.

Circa il 50% dei pazienti non trattati con stenosi aortica muore nei primi due anni dopo la comparsa dei sintomi. L’ecocardiografia viene utilizzata per valutare la gravità della condizione. Tuttavia, vi è una crescente evidenza che il rischio elevato di mortalità si estende oltre le attuali definizioni diagnostiche e più pazienti dovrebbero essere presi in considerazione per la sostituzione della valvola aortica.

AI-ENHANCED AS ha esaminato se un algoritmo di intelligenza artificiale sviluppato da parametri ecocardiografici utilizzati di routine nella pratica clinica potesse identificare fenotipi di stenosi aortica da moderata a grave e grave associati all’aumento della mortalità a cinque anni.

L’algoritmo proprietario AI-Decision Support Algorithm (AI-DSA) utilizzato è stato addestrato utilizzando i dati del National Echo Database of Australia (NEDA), che contiene oltre 1.000.000 di ecocardiogrammi di oltre 630.000 pazienti ed è collegato alle informazioni sulla mortalità.

L’algoritmo è stato anche addestrato per garantire che sia stata rilevata tutta la stenosi aortica grave definita dalle linee guida. La formazione è stata eseguita utilizzando il 70% dei dati NEDA, che sono stati selezionati in modo casuale.
Utilizzando il restante 30% dei dati NEDA, i ricercatori hanno confrontato i tassi di mortalità a cinque anni nei pazienti con fenotipi di stenosi aortica da moderata a grave e grave con tassi di mortalità a cinque anni in pazienti senza rischio significativo di stenosi aortica grave. Su 179.054 individui, l’AI-DSA ha identificato 2.606 (1,4%) con un fenotipo da moderato a grave e 4.622 (2,5%) con un fenotipo grave. Di quelli con un fenotipo grave, 3.566 (77,2%) hanno soddisfatto i criteri guida per la stenosi aortica grave.
Il tasso di mortalità a cinque anni è stato del 56,2% nei pazienti con fenotipo da moderato a grave e del 67,9% in quelli con fenotipo grave.

Quelli senza fenotipo (il gruppo di riferimento) avevano un tasso di mortalità quinquennale del 22,9%. Rispetto al gruppo di riferimento, l’odds ratio aggiustato per età e sesso (OR) per la mortalità per tutte le cause è stato di 1,82  per i pazienti con fenotipi da moderato a grave e grave, rispettivamente.

All’interno del fenotipo di stenosi aortica grave identificato dall’AI-DSA (4.622; 2,5%), quelli che soddisfacevano le attuali linee guida (77%) avevano una mortalità quinquennale del 69,1%. La popolazione aggiuntiva identificata dall’AI-DSA con un fenotipo grave, ma che non soddisfa le linee guida attuali, aveva un tasso di mortalità del 64,4%.

Il ricercatore principale, il professor Geoffrey Strange dell’Università di Notre Dame, in Australia, ha dichiarato: “I risultati suggeriscono che l’algoritmo AI potrebbe essere utilizzato nella pratica clinica per avvisare i medici dei pazienti che dovrebbero sottoporsi a ulteriori indagini per determinare se si qualificano per la sostituzione della valvola aortica.

Sempre al congresso ESC 2022 è stata presentata una ricerca su un nuovo algoritmo di intelligenza artificiale che stima con precisione il rischio di malattie cardiache causate dall’esposizione cumulativa ai livelli di colesterolo e pressione sanguigna e i benefici dell’abbassamento di entrambi, fornendo così le informazioni essenziali necessarie per prendere decisioni terapeutiche individuali.

“Questo studio mostra per la prima volta come incorporare gli effetti causali del colesterolo lipoproteico a bassa densità (LDL) e della pressione sanguigna sistolica (SBP) negli algoritmi di intelligenza artificiale”, ha detto il ricercatore principale professor Brian Ference dell’Università di Cambridge, nel Regno Unito.

“Questi algoritmi potrebbero essere utilizzati per informare i singoli pazienti sui tempi, l’intensità e la durata ottimali dell’abbassamento di LDL e SBP per prevenire nel modo più efficace gli eventi cardiovascolari aterosclerotici”.

La malattia cardiovascolare aterosclerotica è una malattia cronica progressiva che inizia presto nella vita e progredisce lentamente nel tempo. Studi randomizzati hanno dimostrato che l’abbassamento di LDL e SBP riduce il rischio di eventi cardiovascolari aterosclerotici.

Il professor Ference ha dichiarato: “Gli attuali algoritmi di stima del rischio sono prevenuti contro la prevenzione perché sottovalutano sistematicamente il beneficio di abbassare LDL e SBP. Ciò può portare alla falsa conclusione che aspettare di abbassare LDL e SBP tardi nella vita è più efficace e costa meno che abbassare LDL e SBP in giovane età. La sostituzione di questi algoritmi con l’IA ha il potenziale per personalizzare la prevenzione delle malattie cardiovascolari”.