L’embolia polmonare è una tra le cause di morte più frequenti al mondo, con incidenza in crescita. All’aumentare dell’incidenza non corrisponde un aumento corrispettivo della mortalità, almeno nei Paesi avanzati, e questo grazie al miglioramento delle tecniche di imaging.
In Italia si ha un’incidenza di circa 55 casi ogni 100.000 abitanti per le donne e di 40 casi ogni 100.000 per gli uomini, con un tasso di mortalità del 21% circa in pazienti con età superiore ai 65 anni.
Questa è anche la principale causa di morte in gravidanza: nell’ultimo trimestre, infatti, il sangue tende a diventare più denso per ridurre il tasso di emorragie durante il parto ed è possibile che si generino trombi che vadano a ostruire uno o più rami dell’arteria polmonare. L’embolia è provocata nel 95% dei casi da trombi venosi periferici e solo nel 5% dei casi da emboli gassosi, liquidi o solidi.
Un team del Dipartimento di Radiologia del Massachusetts General Hospital e della Harvard Medical School di Boston ha testato la capacità di un sistema di intelligenza artificiale nello smistare i pazienti con sospetta embolia polmonare partendo da angiografie TC polmonari ottimali e subottimali.
Queste ultime, in numero di 104, non potevano essere utilizzate per valutare la presenza di embolia polmonare: erano infatti mosse, con artefatti o con un contrasto inadeguato. Gli autori hanno deciso di aggiungere 226 immagini ottimali per aumentare il campione, alcune con embolia polmonare e altre no.
Lo studio, retrospettivo, è pubblicato su Clinical Imaging. Le 330 immagini sono state revisionate da due radiologi in modo indipendente, così da valutare le caratteristiche dell’embolia, in termini di presenza e localizzazione.
Nei loro report, i due specialisti hanno evidenziato che il 17% delle immagini indicate come subottimali dovevano essere rietichettate come ottimali, mentre, al contrario delle 226 coronarografie polmonari inizialmente ritenute ottimali, il 21% è stato riclassificato come sub-ottimale. In tutto i radiologi hanno individuato 97 embolie polmonari su 330 immagini angiografiche.
Le immagini angiografiche sono state poi valutate anche con il sistema di intelligenza artificiale: questo ha mostrato performance molto simili nel valutare gli esami subottimali, con una specificità del 89% e una sensibilità del 100%.
Simili i risultati per gli esami ottimali, dove il sistema ha mostrato una sensibilità del 96% e una specificità del 92%. Gli autori concludono che il sistema di intelligenza artificiale testato non risente, per le sue performance, della presenza di immagini sub ottimali. Ciò rende il sistema ancora più apprezzabile per l’uso in clinica: a parità di performance, infatti, non risente della stanchezza delle ore di lavoro e non ha bisogno di vacanza.
(Lo studio: Ebrahimian S, Digumarthy SR, Homayounieh F, Bizzo BC, Dreyer KJ, Kalra MK. Predictive values of AI-based triage model in suboptimal CT pulmonary angiography. Clin Imaging. 2022 Mar 16;86:25-30. doi: 10.1016/j.clinimag.2022.03.011. Epub ahead of print. PMID: 35316621)
Stefania Somaré
