Algoritmo di apprendimento automatico in grado di prevedere l’insufficienza cardiaca

Un nuovo algoritmo di intelligenza artificiale (AI) in grado di identificare cambiamenti sottili negli elettrocardiogrammi (ECG) può prevedere quando un individuo sta sperimentando insufficienza cardiaca. L’algoritmo è stato sviluppato presso l’ospedale Mount Sinai e la ricerca è stata pubblicata sulla rivista Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, è professore assistente di Genetica e Scienze Genomiche, membro dell’Istituto Hasso Plattner per la Salute Digitale presso Mount Sinai e autore senior dello studio.

“Abbiamo dimostrato che gli algoritmi di apprendimento profondo possono riconoscere problemi di pompaggio del sangue su entrambi i lati del cuore dai dati dell’onda dell’ECG”, ha detto Glicksberg. “Di solito, la diagnosi di queste condizioni cardiache richiede procedure costose e lunghe. Speriamo che questo algoritmo possa consentire una diagnosi più rapida dell’insufficienza cardiaca.”

Nuove opportunità con l’AI

I medici hanno tradizionalmente utilizzato un’ecocardiogramma, che è una tecnica di imaging, per valutare se un paziente sta sperimentando insufficienza cardiaca. Tuttavia, queste sono procedure lunghe e sono offerte solo in alcuni ospedali.

L’AI sta creando nuove opportunità in questo senso, con ricerche che suggeriscono che gli elettrocardiogrammi potrebbero essere un’alternativa efficace. Ricerche recenti hanno indicato che un algoritmo di apprendimento profondo può rilevare la debolezza del ventricolo sinistro del cuore. La nuova ricerca presso Mount Sinai descrive lo sviluppo di un algoritmo che valuta la forza del ventricolo sinistro e anche del ventricolo destro.

Girish N. Nadkarni, MD, MPH, CPH, è professore associato di Medicina presso la Scuola di Medicina Icahn di Mount Sinai, capo della Divisione di Medicina Digitale e Basata sui Dati (D4M) e autore senior della ricerca.

“Sebbene sia allettante, tradizionalmente è stato difficile per i medici utilizzare gli ECG per diagnosticare l’insufficienza cardiaca. Ciò è in parte dovuto al fatto che non esiste un criterio diagnostico stabilito per queste valutazioni e perché alcuni cambiamenti nei dati dell’ECG sono semplicemente troppo sottili per essere rilevati dall’occhio umano”, ha detto il dottor Nadkarni. “Questo studio rappresenta un passo avanti emozionante nel trovare informazioni nascoste all’interno dei dati dell’ECG che possono portare a migliori paradigmi di screening e trattamento utilizzando un test relativamente semplice e ampiamente disponibile.”

Programmazione e testing della macchina

I ricercatori hanno programmato un computer per leggere gli ECG dei pazienti e i dati estratti da rapporti scritti, con quest’ultimo che agisce come un set di dati standard per il computer da confrontare con i dati dell’ECG. Ciò ha consentito al computer di identificare cuori più deboli.

Con programmi di elaborazione del linguaggio naturale (NLP), il computer poteva estrarre questi dati dalle parole scritte. Allo stesso tempo, le reti neurali potevano scoprire modelli nelle immagini, che potevano poi essere incorporate nell’algoritmo per aiutarlo a riconoscere le forze di pompaggio.

“Volevamo spingere lo stato dell’arte sviluppando un’AI in grado di comprendere l’intero cuore in modo facile e economico”, ha detto il dottor Vaid.

La macchina ha analizzato 700.000 ECG e rapporti di ecocardiogramma, provenienti da quattro diversi ospedali. Un quinto ospedale è stato utilizzato per testare come l’algoritmo si sarebbe comportato in un diverso ambiente sperimentale.

“Un potenziale vantaggio di questo studio è che ha coinvolto una delle più grandi raccolte di ECG da una delle popolazioni di pazienti più diverse del mondo”, ha detto il dottor Nadkarni.

L’algoritmo ha dimostrato una capacità efficace di prevedere quali pazienti avrebbero avuto ventricoli sinistri sani o deboli, e ha raggiunto un tasso di accuratezza del 94% nel prevedere quali pazienti avevano una frazione di eiezione sana. L’algoritmo è stato anche dell’87% accurate nel prevedere coloro che avevano una frazione di eiezione inferiore al 40%.

Una delle aree che ancora necessita di lavoro riguarda la previsione di quali pazienti avrebbero cuori leggermente indeboliti. L’algoritmo ha avuto un tasso di accuratezza solo del 73% nel prevedere i pazienti che avevano una frazione di eiezione tra il 40 e il 50%.

L’algoritmo è stato in grado di rilevare anche le debolezze della valvola destra dai dati dell’ECG, raggiungendo un tasso di accuratezza dell’84% nel prevedere quali pazienti avevano valvole deboli.

“I nostri risultati suggeriscono che questo algoritmo potrebbe eventualmente aiutare i medici a diagnosticare correttamente l’insufficienza cardiaca su entrambi i lati del cuore”, ha detto il dottor Vaid.

Un altro punto importante di questa ricerca è che ha suggerito che l’AI potrebbe essere efficace nel rilevare la debolezza cardiaca in tutti i pazienti, indipendentemente dalla razza e dal genere.

“I nostri risultati suggeriscono che questo algoritmo potrebbe essere uno strumento utile per aiutare i praticanti clinici a combattere l’insufficienza cardiaca subita da una varietà di pazienti”, ha aggiunto il dottor Glicksberg. “Stiamo procedendo con la progettazione accurata di trial prospettici per testare la sua efficacia in un ambiente più realistico.”