Statisticamente, i pazienti che hanno giĂ avuto un infarto del miocardio per due anni successivi all’evento sono a maggior rischio sia di sviluppare una recidiva sia di avere emorragie legate all’assunzione di farmaci anticoagulanti.
«La decisione sulla terapia migliore deve bilanciare questi due rischi, cosa che il cardiologo fa basandosi sulla propria esperienza e sul suo intuito clinico, aiutato da dei punteggi di rischio.
Tuttavia, questi punteggi sono poco precisi e pertanto di modesto aiuto anche per un cardiologo esperto», sottolinea il dottor Fabrizio D’Ascenzo, coordinatore di uno studio che ha visto la collaborazione della Cardiologia universitaria dell’Ospedale Molinette della CittĂ della Salute di Torino assieme al Dipartimento di Informatica dell’UniversitĂ di Torino e a quello di Meccanica e Aerospaziale del Politecnico di Torino (D’Ascenzo F, De Filippo O, Gallone G, Mittone G, Deriu MA, Iannaccone M, Ariza-SolĂ© A, Liebetrau C, Manzano-Fernández S, Quadri G, Kinnaird T, Campo G, Simao Henriques JP, Hughes JM, Dominguez-Rodriguez A, Aldinucci M, Morbiducci U, Patti G, Raposeiras-Roubin S, Abu-Assi E, De Ferrari GM; PRAISE study group. Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets. Lancet. 2021 Jan 16;397(10270):199-207. doi: 10.1016/S0140-6736(20)32519-8. PMID: 33453782).
Scopo dello studio, sviluppare un modello di intelligenza artificiale, basato sull’apprendimento automatico, in grado di stratificare meglio il rischio del paziente rispetto a eventi successivi all’infarto del miocardio.
Il modello è stato sviluppato utilizzando come massa critica i dati clinici di una coorte di 19826 pazienti adulti: gli autori in particolare hanno testato diversi modelli di machine learning basati su 25 caratteristiche cliniche dei pazienti rilevate al momento delle dimissioni, individuandone uno più promettente degli altri, chiamato PRAISE score.
Questo è stato quindi ulteriormente validato su una coorte di 3.444 pazienti adulti.
Il modello ha mostrato una efficienza decisamente superiore a quella degli score tradizionali, pari al 90% contro il 70%: ciò significa ridurre solo a uno su dieci la possibilità di effettuare una diagnosi scorretta.
Il professor Gaetano Maria De Ferrari, direttore della Cardiologia Clinica del Molinette, ha sottolineato: «siamo entusiasti di questi risultati, per tre motivi. Primo, possiamo ora curare meglio i nostri pazienti, aggiungendo alla nostra esperienza clinica delle stime davvero precise del rischio cui vanno incontro, confermando il ruolo centrale della Cardiologia universitaria di Torino nella ricerca volta a creare benefici per i pazienti.
Secondo, lo studio è una dimostrazione fortissima delle possibilitĂ dell’intelligenza artificiale in medicina e in cardiologia in particolare.
Terzo, questo risultato ottenuto in collaborazione tra UniversitĂ e Politecnico rafforza la scelta di Torino come sede dell’Istituto Italiano di intelligenza artificiale. In particolare, noi vorremmo candidarci a un ruolo di riferimento italiano per l’intelligenza artificiale in medicina e questa pubblicazione può contribuire a legittimare questa aspirazione».
UniversitĂ e Politecnico di Torino avranno un ruolo centrale nell’Istituto.
Stefania Somaré
