Come si possono rilevare le malattie del sistema cardiovascolare prima che compaiano i sintomi? I ricercatori dell’Università di Tecnologia di Graz (TU Graz) hanno trovato un modo per rintracciarli in una fase precoce.
Le malattie cardiovascolari sono tra le cause di morte più comuni in tutto il mondo.
Spesso vengono scoperti solo quando i sintomi sono già comparsi e la malattia è già relativamente avanzata.
Invece del trattamento farmacologico, di solito è necessario un intervento chirurgico.
Durante le loro tesi di dottorato nell’ambito del progetto principale della TU Graz “Meccanica, modellazione e simulazione della dissezione aortica” guidato da Gerhard Holzapfel, Sascha Ranftl dell’Istituto di fisica teorica e computazionale e Vahid Badeli dell’Istituto di fondamenti e teoria in ingegneria elettrica presso la TU Graz hanno trovato un modo per migliorare e accelerare la diagnosi precoce di tali malattie senza l’uso di costosi metodi diagnostici come la risonanza magnetica o la TC: un gemello digitale delle persone colpite.
Così si può anche indagare più a fondo su eventuali malattie. Questo può alleviare il carico di lavoro per i pazienti, i medici e le strutture sanitarie. Hanno già richiesto un brevetto per il loro metodo e ora lo stanno portando a maturità sul mercato con lo spin-off “arterioscopio” della TU Graz.
“Il principio di base è che qualsiasi malattia che cambia la meccanica cardiovascolare cambierà anche il campo elettrico applicato esternamente in un certo modo. Questo vale per l’arteriosclerosi, la dissezione aortica, gli aneurismi, i difetti delle valvole cardiache, ecc.”, afferma Sascha Ranftl.
I ricercatori possono utilizzare normali segnali elettrici, bioimpedenziometrici o ottici, ad esempio da un ECG, un PPG o uno smartwatch, che analizzano utilizzando un modello di apprendimento automatico sviluppato da loro stessi che riconosce potenziali malattie dai segnali.
Allo stesso tempo, il modello indica quanto è alta la probabilità che una particolare malattia sia effettivamente presente.
Il modello di apprendimento automatico è stato addestrato utilizzando dati clinici reali di bioimpedenza e valori provenienti da simulazioni del sistema cardiovascolare.
A causa dei numerosi parametri che svolgono un ruolo nel sistema cardiovascolare e delle numerose simulazioni necessarie per un risultato statisticamente significativo, l’apprendimento automatico consente di ottenere risultati con una precisione superiore al 90% in un lasso di tempo ragionevole.
Un altro vantaggio dell’analisi dell’apprendimento automatico è che riconosce anche cambiamenti che nemmeno i medici esperti sarebbero in grado di rilevare dai dati ECG a occhio nudo.
Ad esempio, questo metodo può essere utilizzato per determinare il grado di irrigidimento arterioso.
Se le arterie diventano sempre più rigide, di solito si tratta di una fase preliminare della dissezione aortica e quindi di un segnale di avvertimento prematuro.
Una volta identificato un cambiamento rischioso, i dati diagnostici possono essere utilizzati per creare un modello di simulazione multifisica sotto forma di gemello digitale, che prevede anche l’ulteriore decorso della malattia.
Ciò consente ai medici di effettuare un’analisi più approfondita.
Nell’arterioscopio spin-off della TU Graz, Sascha Ranftl e Vahid Badeli stanno ora sviluppando ulteriormente questa tecnologia insieme a partner del settore sanitario al fine di migliorare l’accuratezza dei loro attuali algoritmi e di estenderli e adattarli ulteriormente alla pratica clinica.
Il punto di partenza di questo sviluppo è stato il lavoro interdisciplinare con i colleghi del progetto principale e il fatto che le loro due specializzazioni si completano a vicenda perfettamente: Sascha Ranftl è un fisico e Vahid Badeli è un ingegnere elettrico.
Le loro conoscenze congiunte e i risultati del progetto principale hanno permesso loro di scomporre la connessione tra i cambiamenti nei campi elettrici applicati esternamente – ad esempio dagli elettrodi di rilevamento – e la meccanica del sistema cardiovascolare in modo tale da poter trarre conclusioni precise sui cambiamenti potenzialmente negativi nel sistema cardiovascolare.
“Ci sono molte informazioni che possono essere raccolte dall’esterno del corpo con poco sforzo”, afferma Vahid Badeli. “Finora, è stato difficile scoprire esattamente cosa significhino queste informazioni. Ma con i nostri modelli computerizzati e l’aiuto dell’apprendimento automatico, possiamo capirlo meglio e trovare correlazioni”.
Ciò consentirà di trattare i pazienti in anticipo quando, ad esempio, è possibile la terapia farmacologica al posto della chirurgia.
