Lo studio, pubblicato su Nature, apre la strada a una selezione più accurata dei pazienti candidati ai defibrillatori impiantabili e potrebbe cambiare l'approccio alla prevenzione di una delle principali cause di morte cardiovascolare
Ogni anno, solo negli Stati Uniti, oltre 300 mila persone muoiono per arresto cardiaco improvviso. Si tratta di un evento che spesso colpisce senza alcun segnale premonitore e che può interessare non solo pazienti con cardiopatie note, ma anche persone apparentemente sane, compresi giovani sportivi. Sebbene i defibrillatori cardioverter impiantabili rappresentino uno strumento efficace per prevenire molti di questi decessi, individuare con precisione chi ne possa realmente beneficiare resta una delle principali sfide della cardiologia. Una possibile svolta arriva ora da uno studio pubblicato su Nature, frutto di un progetto coordinato dall’Università della California di Berkeley, che ha sviluppato un sistema di intelligenza artificiale capace di analizzare gli elettrocardiogrammi e stimare il rischio individuale di morte cardiaca improvvisa con un’accuratezza superiore agli strumenti oggi disponibili.
Oltre 440 mila elettrocardiogrammi per addestrare l’algoritmo
I ricercatori hanno utilizzato oltre 440 mila elettrocardiogrammi raccolti nella regione svedese di Halland, collegandoli ai certificati di morte e alle cartelle cliniche elettroniche. Il modello di deep learning è stato addestrato a riconoscere le caratteristiche delle tracce elettrocardiografiche appartenenti a persone successivamente decedute per morte cardiaca improvvisa. Successivamente l’algoritmo è stato validato anche su popolazioni indipendenti provenienti dagli Stati Uniti e da Taiwan, dimostrando di mantenere elevate prestazioni predittive anche in contesti sanitari differenti.
Più efficace del parametro oggi utilizzato
Attualmente il principale indicatore utilizzato per valutare il rischio è la frazione di eiezione del ventricolo sinistro (LVEF), misurata mediante ecocardiogramma. Tuttavia questo parametro presenta limiti importanti: molte persone che muoiono improvvisamente non mostrano una riduzione significativa della funzione cardiaca e, al contrario, numerosi pazienti sottoposti all’impianto di un defibrillatore non ne avranno mai realmente bisogno. Secondo lo studio, il nuovo modello basato sull’intelligenza artificiale individua un gruppo di pazienti pari al 2,2% della popolazione analizzata, caratterizzato da un rischio annuo di morte cardiaca improvvisa del 7%, rispetto al 4,6% identificato attraverso la riduzione della frazione di eiezione. Ancora più significativo è il fatto che l’86,1% dei pazienti classificati ad alto rischio dall’algoritmo non sarebbe stato individuato utilizzando i criteri clinici oggi impiegati, suggerendo la presenza di un’ampia quota di persone vulnerabili che attualmente sfuggono ai programmi di prevenzione.
Un nuovo biomarcatore nascosto nell’ECG
Uno degli aspetti più innovativi della ricerca riguarda la capacità dell’intelligenza artificiale di individuare un nuovo biomarcatore elettrocardiografico, fino ad oggi non descritto in letteratura. Attraverso un modello generativo, i ricercatori sono riusciti anche a “visualizzare” le modifiche della forma d’onda considerate più pericolose dall’algoritmo. Tra queste emerge una particolare alterazione della derivazione aVL dell’elettrocardiogramma, associata a modificazioni della conduzione elettrica del cuore e potenzialmente correlata a processi di fibrosi miocardica diffusa. Secondo gli autori, questa scoperta potrebbe contribuire non solo a migliorare la stratificazione del rischio, ma anche ad approfondire i meccanismi biologici che precedono la morte cardiaca improvvisa.
Verso una selezione più accurata dei pazienti
Lo studio suggerisce che il nuovo approccio potrebbe consentire di identificare con maggiore precisione i pazienti che potrebbero trarre beneficio dall’impianto di un defibrillatore cardioverter, evitando sia trattamenti non necessari sia, soprattutto, la mancata protezione di persone realmente esposte a un rischio elevato. Le analisi osservazionali mostrano inoltre che, tra i pazienti classificati ad alto rischio dal modello e già portatori di defibrillatore, la probabilità di morte risultava inferiore di oltre il 50% rispetto a quella prevista, un dato che gli autori considerano incoraggiante pur sottolineando la necessità di studi clinici prospettici e randomizzati per confermare il beneficio.
Le prospettive
Per il professor Ziad Obermeyer, della School of Public Health dell’Università della California a Berkeley e autore senior dello studio, l’intelligenza artificiale potrebbe cambiare il modo in cui vengono prese decisioni cliniche particolarmente complesse. L’obiettivo non è soltanto migliorare la capacità di prevedere chi rischia una morte cardiaca improvvisa, ma anche comprendere meglio i processi biologici che precedono l’arresto cardiaco, aprendo nuove prospettive sia per la ricerca sia per la prevenzione. Gli autori sottolineano comunque che il modello dovrà essere valutato in studi prospettici prima di un eventuale impiego nella pratica clinica. Se i risultati saranno confermati, un esame semplice e ampiamente disponibile come l’elettrocardiogramma potrebbe trasformarsi in uno strumento ancora più potente per identificare precocemente le persone a maggior rischio e orientare interventi salvavita.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato