I ricercatori hanno scoperto un segnale elettrico nel cuore finora sconosciuto, che potrebbe aiutare a prevedere la morte cardiaca improvvisa prima che si verifichi.
La morte cardiaca improvvisa può colpire senza preavviso, uccidendo persone apparentemente sane e senza precedenti di problemi cardiaci. Per decenni, i medici hanno faticato a identificare i soggetti più vulnerabili, nonostante esista già una terapia potenzialmente salvavita. Ora, i ricercatori hanno scoperto che indizi su questi eventi fatali potrebbero essere nascosti in uno dei test diagnostici più comuni in medicina.
Gli scienziati dell’Università della California, Berkeley, hanno sviluppato un sistema di intelligenza artificiale in grado di rilevare sottili anomalie elettriche negli elettrocardiogrammi (ECG) di routine, associate a un aumentato rischio di morte cardiaca improvvisa. In uno studio pubblicato su Nature, l’IA ha superato un metodo di screening clinico standard, aprendo la possibilità che i medici possano identificare un maggior numero di pazienti a rischio prima che il loro cuore si fermi improvvisamente.
L’intelligenza artificiale rileva segnali di allarme nascosti nelle registrazioni cardiache
Per sviluppare il sistema, i ricercatori hanno analizzato oltre 440.000 elettrocardiogrammi (ECG) raccolti in sei anni attraverso il sistema sanitario svedese. Collegando queste registrazioni ai certificati di morte, hanno addestrato un modello di intelligenza artificiale a riconoscere i pattern elettrici associati alla successiva morte cardiaca improvvisa. I dati di addestramento includevano registrazioni di individui sani, pazienti con problemi cardiaci noti e persone decedute in seguito per cause cardiache.
I ricercatori hanno quindi valutato l’algoritmo utilizzando set di dati di pazienti separati provenienti da San Diego e Taipei, verificando se le sue previsioni rimanessero affidabili in popolazioni diverse. Il modello ha identificato sottili variazioni nelle forme d’onda dell’ECG che le valutazioni cliniche convenzionali spesso trascurano. Sebbene questi schemi fossero associati a un aumento del rischio di morte cardiaca improvvisa, il meccanismo fisiologico sottostante rimane sconosciuto.
Un metodo più accurato per identificare i pazienti ad alto rischio
I medici valutano comunemente il rischio di morte cardiaca improvvisa misurando la quantità di sangue pompata dal cuore a ogni contrazione. Questa misurazione, nota come frazione di eiezione, aiuta a determinare se un paziente è idoneo all’impianto di un defibrillatore cardioverter, un dispositivo che monitora le aritmie cardiache pericolose ed eroga una scarica elettrica quando necessario.
Il sistema di intelligenza artificiale ha identificato un gruppo di pazienti con un tasso annuo di morte cardiaca improvvisa del 7%. A titolo di confronto, i pazienti classificati ad alto rischio utilizzando i criteri convenzionali presentavano un tasso annuo del 4,6%. Molti individui segnalati dall’IA non sarebbero stati considerati ad alto rischio secondo i criteri clinici esistenti, il che suggerisce che gli ECG raccolti di routine potrebbero aiutare a identificare pazienti che altrimenti potrebbero non essere individuati.
“Le decisioni mediche sono davvero difficili, ed è per questo che l’intelligenza artificiale mi entusiasma così tanto”, ha affermato Ziad Obermeyer, Professore associato presso la Scuola di Sanità Pubblica dell’UC Berkeley e autore principale dello studio. “Non solo potremo prendere decisioni migliori, ma anche iniziare a capire cosa sta realmente accadendo a questi pazienti prima che il loro cuore si fermi“.
Leggi anche: Morte cardiaca improvvisa: sempre più vicini alla comprensione
Perché la morte cardiaca improvvisa è difficile da prevedere
Ogni anno, oltre 300.000 americani muoiono per arresto cardiaco improvviso. A differenza di un infarto, che si verifica quando il flusso sanguigno verso una parte del cuore viene bloccato, l’arresto cardiaco comporta un’improvvisa interruzione dei segnali elettrici che coordinano il battito cardiaco. Il cuore non è più in grado di pompare il sangue in modo efficace e, senza un trattamento immediato, la morte può sopraggiungere in pochi minuti.
Sebbene la rianimazione cardiopolmonare (RCP) e la defibrillazione possano ripristinare la circolazione in alcuni casi, circa il 90% delle persone che subiscono un arresto cardiaco al di fuori di un ospedale non sopravvive. Tra le vittime figurano anziani con patologie cardiovascolari preesistenti e giovani atleti apparentemente sani senza precedenti di problemi cardiaci.
I defibrillatori impiantabili possono prevenire alcuni di questi decessi, ma stabilire chi ne ha bisogno rimane difficile. Circa due terzi dei dispositivi impiantati in pazienti considerati ad alto rischio non devono mai erogare una scarica. Nel frattempo, molte persone che alla fine muoiono per morte cardiaca improvvisa non vengono mai sottoposte alle valutazioni cardiologiche specialistiche che potrebbero individuare un problema.
“In una parte di queste persone, avremmo potuto prevenire quei decessi se solo lo avessimo saputo in tempo”, ha affermato Obermeyer.
Passaggio dalle previsioni basate sull’intelligenza artificiale alla medicina preventiva
Obermeyer e i suoi colleghi stanno ora collaborando con i sistemi sanitari di Svezia, Taiwan e Stati Uniti per applicare l’algoritmo ai database degli ECG ospedalieri. I pazienti identificati come ad alto rischio potrebbero essere contattati dai medici e ricevere in dotazione dispositivi indossabili in grado di registrare continuamente l’attività elettrica del loro cuore.
Queste registrazioni potrebbero aiutare i ricercatori a determinare quali cambiamenti fisiologici producono i modelli rilevati dall’IA. Potrebbero anche fornire ulteriori prove a supporto delle decisioni sull’impianto di defibrillatori. Tuttavia, sono necessarie ulteriori ricerche per stabilire se l’utilizzo dell’algoritmo per guidare il trattamento riduca effettivamente i decessi.
La creazione del sistema ha richiesto quasi un decennio di lavoro per raccogliere i dati medici necessari. Obermeyer ha affermato che ottenere set di dati ampi e dettagliati rimane uno dei maggiori ostacoli allo sviluppo di strumenti di intelligenza artificiale in ambito clinico.
“Una buona intelligenza artificiale parte da buoni dati”, ha affermato. “Purtroppo, dati come quelli che abbiamo utilizzato per questo studio sono incredibilmente difficili da reperire. Questo è uno dei motivi principali per cui l’intelligenza artificiale in ambito clinico è ancora così poco utilizzata“.
I ricercatori sperano che lo studio delle anomalie elettriche identificate dal modello possa aiutare a spiegare cosa accade all’interno del cuore prima che si fermi improvvisamente. Tali scoperte potrebbero in futuro migliorare sia la previsione del rischio sia la comprensione dei processi biologici alla base della morte cardiaca improvvisa.
Obermeyer ha inoltre lanciato un sito web dove le persone interessate a valutare il proprio rischio di morte cardiaca improvvisa possono fornire informazioni di base e un indirizzo e-mail. Il team di ricerca potrebbe contattare i partecipanti per l’analisi dell’ECG una volta che lo strumento di intelligenza artificiale sarà più ampiamente disponibile.
Riferimento: “Un biomarcatore ECG per la morte cardiaca improvvisa scoperto con il deep learning” Nature