L’intelligenza artificiale (AI) sta svolgendo un ruolo sempre più trasformativo in cardiologia, offrendo nuove funzionalità nella diagnostica, nella previsione del rischio, nella pianificazione del trattamento e nel monitoraggio dei pazienti.
Nonostante alcuni algoritmi di deep learning abbiamo dimostrato in ampi studi la loro efficacia, riducendo in alcuni studi randomizzati prospettici persino la mortalità, in generale il cardiologo non ha ancora la percezione della potenzialità di tale straordinaria tecnologica. La figura mostra la riduzione della mortalità cumulativa nei pazienti identificati come ad alto rischio da AI (in celeste) rispetto ai pazienti in trattati con “usual care” (linea arancione) (modificata da Lin e coll, Nature Medicine, 2024).
L’intelligenza artificiale viene utilizzata in cardiologia nella diagnostica cardiovascolare. Gli algoritmi di intelligenza artificiale, in particolare quelli che utilizzano l’apprendimento automatico (ML) e l’apprendimento profondo (DL), possono analizzare immagini (come ecocardiogrammi, risonanze magnetiche, scansioni TC) ed elettrocardiogrammi (ECG) con elevata precisione. L’intelligenza artificiale è in grado di rilevare aritmie, come la fibrillazione atriale, con prestazioni paragonabili o migliori di quelle dei cardiologi. Gli strumenti di intelligenza artificiale aiutano ad automatizzare e migliorare l’analisi dell’ecocardiografia e della risonanza magnetica cardiaca, identificando problemi come disturbi valvolari o cicatrici miocardiche.
I modelli di intelligenza artificiale possono integrare dati di cartelle cliniche elettroniche (EHR), fattori genetici, imaging e stile di vita per prevedere infarti e ictus, riospedalizzazioni per insufficienza cardiaca e persino la morte cardiaca improvvisa.
L’intelligenza artificiale può infine aiutare a personalizzare i piani di trattamento analizzando grandi set di dati e abbinando i pazienti alle migliori terapie basate su marcatori genetici, fenotipi e modelli di risposta ai farmaci.
Oggi l’intelligenza artificiale alimenta smartwatch e dispositivi indossabili che monitorano la frequenza cardiaca, il ritmo e l’attività fisica in tempo reale. E’ possibile l’individuazione precoce della fibrillazione atriale, il monitoraggio dell’insufficienza cardiaca tramite lo stato dei fluidi o i parametri vitali e l’avviso per ritmi cardiaci anomali. L’elettrocardiogramma è un substrato ideale per applicazioni di intelligenza artificiale basate sul deep learning.
L’ECG è ampiamente disponibile e fornisce dati grezzi e riproducibili, facili da archiviare e trasferire in formato digitale. La figura mostra un esempio di un ECG di un paziente inviato per STEMI che grazie all’AI è stato escluso l’infarto e identificato come soggetto in iperkalemia con ritmo idioventricolare.
L’applicazione di AI oggi più avanzata riguarda l’interpretazione dell’ECG che utilizza non regole fisse (if-then) ma modelli statistici/neuronali, ha una capacità di apprendimento e un’accuratezza alta anche su casi rari o ambigui (vedi figura). A differenza degli algoritmi presenti sugli elettrocardiografi che hanno una capacità predittiva limitata, con l’AI è possibile predire da un semplice ECG il rischio di mortalità a dieci anni, lo scompenso cardiaco, la frazione di eiezione, il GLS e la fibrillazione atriale quando il soggetto è in ritmo sinusale.
Come funziona l’AI? Usa reti neurali o modelli di deep learning, impara da enormi quantità di tracciati (es. milioni di ECG), scopre pattern nascosti che sfuggono ai clinici e agli algoritmi classici. Il modello analizza l’intero tracciato o segmenti (raw data), estrae automaticamente caratteristiche (feature learning), associa pattern a diagnosi (es. fibrillazione atriale, insufficienza cardiaca silente, ecc.) e fornisce output probabilistici (es. “probabilità 87% di FA”). L’AI riesce a “vedere” nell’elettrocardiogramma quello che anche il cardiologo più esperto non potrà fare.
L’altra grande applicazione dell’IA è la diagnostica con ultrasuoni. L’intelligenza artificiale (IA) in ecocardiografia migliora l’accuratezza e la rapidità dell’acquisizione e interpretazione delle immagini, supportando la diagnosi precoce e standardizzando i referti. Tra i vantaggi vi sono la riduzione della variabilità inter-operatoria e il supporto decisionale clinico. Tuttavia, presenta limiti legati alla qualità dei dati di input, alla necessità di validazione clinica e all’integrazione nei flussi di lavoro esistenti.
Infine, i molti ospedali si sta sperimentando la possibilità di effettuare con l’AI la lettera di dimissione e la gestione post-ospedaliera dei pazienti. Sistemi come ChatGPT o simili potranno assistere i medici fornendo rapidamente informazioni mediche, aiutandoli nella diagnosi differenziale e suggerendo possibili opzioni di trattamento.
Uno dei grandi problemi legati all’accettazione di queste nuove tecnologie da parte del cardiologo è legato alla spiegabilità del risultato ottenuto che è bassa per l’AI (black box) mentre la plausibilità è alta e clinicamente trasparente per gli algoritmi oggi disponibili negli elettrocardiografi.
Inoltre, i problemi legati all’AI riguardano la privacy e l’etica dei dati, le distorsioni negli algoritmi di IA dovute a dati di addestramento non rappresentativi, all’approvazione delle agenzie regolatorie (CE e FDA) ed infine la necessità di validazione clinica. Infine, l’AI richiede molta potenza computazionale e molto dati e vi è un rischio di bias se i dati di training non sono bilanciati.
In conclusione, l’intelligenza artificiale avrà nei prossimi anni un ruolo dirompente nella pratica clinica. Il cardiologo deve essere pronto a questa transizione digitale che trasformerà la sua attività clinica migliorandone l’accuratezza diagnostica e terapeutica.
