Valutazione multidisciplinare delle comorbiditĂ del paziente e stratificazione del rischio chirurgico sono alla base della selezione dei pazienti candidabili alla TAVI, l’impianto valvolare aortico transcatetere.
Uno studio tedesco ha presentato il potenziale dell’intelligenza artificiale nel velocizzare questo processo: una necessitĂ sempre piĂą sentita in ambito cardiologico, soprattutto a fronte dell’estensione delle indicazioni per eseguire l’intervento (Gomes, B., Pilz, M., Reich, C. et al. Machine learning-based risk prediction of intrahospital clinical outcomes in patients undergoing TAVI. Clin Res Cardiol (2020). https://doi.org/10.1007/s00392-020-01691-0).
In particolare, lo studio mostra l’applicazione di un approccio di machine learning per predire i differenti outcome clinici intra-ospedalieri dei pazienti sottoposti a TAVI.
Tra gli esiti sono stati considerati anche quelli avversi, come ictus, complicazioni vascolari maggiori, perdita paravalvolare e necessitĂ di impiantare un altro pacemaker.
I pazienti inseriti nello studio sono stati 451, operati tra febbraio 2014 e giugno 2016: gli autori hanno usato network neuronali, random forest e support vector machine per predire gli esiti degli stessi pazienti, per poi confrontarli con quanto avvenuto.
L’uso di tutti i metodi di intelligenza artificiale insieme ha mostrato una performance decisamente maggiore degli score STS e STS/ACC TAVR, tradizionalmente utilizzati, nel predire la morte ospedaliera.
Putroppo, però, il metodo non è così efficace per predire accuratamente gli eventi avversi considerati.
In ogni caso, l’intelligenza artificiale si è mostrata piĂą accurata nello stratificare il rischio di un paziente rispetto agli indici logistici.
Stefania Somaré
