L’intelligenza artificiale promette di migliorare la diagnosi di molte patologie e di stratificare la popolazione in fasce di rischio, così da facilitare la scelta da parte dell’équipe medica del miglior percorso preventivo o terapeutico.
Sono tanti gli ambiti in cui la sua applicazione è già stata sperimentata, tra cui anche quello cardiologico.
Uno studio della Mayo Clinic ha valutato l’efficacia dell’applicazione di deep neural networks all’ECG a 12 derivazioni per l’individuazione dei pazienti con sindrome LQTS, così da sottoporli alla necessaria terapia profilattica (Bos JM, Attia ZI, Albert DE, Noseworthy PA, Friedman PA, Ackerman MJ. Use of Artificial Intelligence and Deep Neural Networks in Evaluation of Patients With Electrocardiographically Concealed Long QT Syndrome From the Surface 12-Lead Electrocardiogram. JAMA Cardiol. Published online February 10, 2021. doi:10.1001/jamacardio.2020.7422).
L’intento è riuscire a distinguere quei pazienti che, nonostante siano affetti da LQTS, presentano un normale intervallo QT.
Si tratta circa del 40% della popolazione con sindrome confermata a livello genetico.
I metodi tradizionali di diagnosi, basati proprio sull’intervallo QT, rischiano quindi di non individuare tutti i soggetti patologici. Gli autori hanno quindi utilizzato gli ECG a 12 derivazioni di 2059 pazienti di una clinica specializzata in problemi genetici del ritmo cardiaco per sviluppare una rete neurale convoluzionale.
Questa è stata quindi allenata su un 60% dei pazienti, poi validata su un 10% e infine testata sul rimanente 30%. Lo studio ha evidenziato un’accuratezza pregenetica dell’80% nell’individuare pazienti con LQTS anche in presenza di intervallo QT corretto, anticipando di fatto la verifica dello stato genetico.
Secondo gli autori il modello dovrebbe essere applicato ai pazienti che si presentano con una aritmia cardiaca per verificare rischio che siano affetti da sindrome LQTS. Inoltre, una volta validato, potrebbe essere il primo passo verso lo sviluppo di un sistema di intelligenza artificiale capace di individuare i potenziali pazienti sulla popolazione generale.
Stefania Somaré
