L’infarto del miocardio è una condizione tempo-dipendente: una volta avviato il processo, la vita del paziente dipende dal tempo impiegato per iniziare le terapie idonee.
In Italia circa 120 mila persone ogni anno incorrono in un infarto del miocardio. Di queste, circa 25 mila muoiono perché non soccorse in tempo.
Una volta giunti in ospedale, il tasso di mortalità è del 10,95% circa: un valore considerato positivo dai cardiologi clinici, anche se potrebbe essere ulteriormente ridotto.
Il problema è che vengono seguiti e monitorati solo i pazienti che hanno giĂ problemi cardiovascolari conclamati. I periodici controlli ai quali sono sottoposti permettono anche di prevedere o meno l’infarto cardiaco e intervenire prima che questo si verifichi.
Poco o nulla si fa, invece, sulla popolazione generale. Si sa, però, che anche chi non ha mai manifestato problemi cardiocircolatori può svilippare le condizioni di occlusione delle arterie coronarie che provoca l’evento infarto. Ecco perchĂ© sono parecchi i gruppi di studio nel mondo che cercano di sviluppare sistemi di previsione dell’infarto, in grado di stratificare anche la popolazione generale in base al rischio. Questo il focus di uno studio cinese, da poco pubblicato sulla rivista “BMC Bioinformatics”. Capofila dello studio, il MOE Key Lab for Neuroinformation dell’UniversitĂ di Scienze Elettroniche e Tecnologia Cinese di Chengdu, che ha collaborato con West China Hospital dell’UniversitĂ di Sichuan, sempre a Chengdu. Gli autori dello studio hanno sviluppato un sistema di machine learning per un monitoraggio continuativo e attivo di pazienti ospedalieri, soprattutto quelli non ricoverati in Cardiologia. Base di partenza, tutti i pazienti ricoverati nell’Ospedale Universitario tra il primo gennaio 2011 e il 31 dicembre 2020. Questi sono stati suddivisi in due gruppi: quelli che hanno avuto un infarto del miocardio, inseriti nel gruppo studio, e gli altri, che sono diventati il gruppo di controllo.
Come ci si può aspettare, i numeri dello studio sono alti: 14.446 pazienti nel gruppo studio e 220.369 in quello di controllo. Per ognuno, gli autori hanno preso in considerazione il numero ID di ricovero, il genere, l’etĂ , il dipartimento di ricovero, la diagnosi alle dimissioni, il tempo di ricovero e il tempo di dimissioni. Dal punto di vista clinico, sono 1357 i parametri di laboratorio analizzati, tra i quali sodio, potassio, clorina, mioglobina, creatinina, troponina I e troponina T etc… Alla fine, di questi solo 57 sono stati considerati importanti per discriminare tra pazienti con infarto del miocardio e gli altri. Gli autori hanno inizialmente costruito 5 diversi modelli di machine learning per poi studiarli nel dettaglio e individuare il piĂą efficace. Questo è stato utilizzato da subito per valutare il rischio di infarto dei pazienti ricoverati in ospedale, utilizzando i dati del Sistema Informatico Interno, così da implementarlo con dati real world. Ne deriva che i clinici dei reparti non cardiovascolari individuano i pazienti a maggior rischio di infarto, potendoli tenere d’occhio, mentre i cardiologi ottengono molti piĂą dati e informazioni.
(Lo studio: Liu R, Wang M, Zheng T, Zhang R, Li N, Chen Z, Yan H, Shi Q. An artificial intelligence-based risk prediction model of myocardial infarction. BMC Bioinformatics. 2022 Jun 7;23(1):217. doi: 10.1186/s12859-022-04761-4. PMID: 35672659; PMCID: PMC9175344)
Stefania Somaré
