Anche quest’anno il Congresso ANMCO dedica ampio spazio all’elettrocardiografia con un master articolato in due sessioni che, nonostante il carattere apparentemente “classico” dell’argomento, richiama una partecipazione numerosa e un dibattito vivace. È forse proprio questo uno degli aspetti più interessanti: l’ECG continua a rappresentare uno strumento centrale della cardiologia clinica, capace di coniugare immediatezza diagnostica, ragionamento fisiopatologico e, oggi più che mai, prospettive innovative legate all’intelligenza artificiale. In un’epoca dominata dall’imaging avanzato e dalla medicina digitale, il tracciato elettrocardiografico mantiene infatti un ruolo imprescindibile. Non soltanto per la sua diffusione e semplicità di esecuzione, ma perché continua a presentare sfide interpretative complesse, nelle quali l’esperienza del cardiologo resta determinante. Parallelamente, proprio l’ECG sta emergendo come uno dei campi più promettenti per l’applicazione dell’intelligenza artificiale, con la possibilità di estrarre dal segnale informazioni cliniche “nascoste”, non riconoscibili all’occhio umano. La prima sessione, presieduta dal Dott. Attilio Iacovoni e dal Dott. Claudio Bilato, ripercorre i fondamenti fisiologici ed elettrofisiologici della metodica: dalla genesi del potenziale d’azione all’analisi vettoriale, fino ai criteri di normalità delle diverse componenti del tracciato. Una parte volutamente didattica, orientata a ribadire come la comprensione dei principi di base rimanga indispensabile anche nell’era delle tecnologie avanzate.
La seconda sessione, presieduta dal Prof Giuseppe Bagliani e dal Dott. Gerolamo Sibilio, entra invece in scenari clinici più complessi. Le relazioni del Dott. Aldo Bonso e del Dott. Giuseppe Arena affrontano le principali diagnosi differenziali delle tachiaritmie sopraventricolari e delle tachicardie a QRS largo, temi che continuano a rappresentare una delle sfide più frequenti e insidiose nella pratica clinica quotidiana. Particolarmente rilevante la relazione del Prof Carlo Lavalle, dedicata alla capacità dell’ECG di predire il rischio di morte improvvisa (“Quando l’ECG anticipa il rischio”). L’intervento richiama il lavoro di Calò e collaboratori pubblicato su European Heart Journal Supplements, che sottolinea il valore prognostico dell’elettrocardiogramma nella stratificazione del rischio aritmico. Il focus si concentra su alcuni marker spesso sfumati ma clinicamente significativi: emiblocco posteriore sinistro, frammentazione del QRS, onde epsilon e allungamento del QRS. Viene inoltre approfondita la correlazione tra alterazioni elettrocardiografiche e imaging avanzato, in particolare con la risonanza magnetica cardiaca, evidenziando come ECG e imaging possano integrarsi nella caratterizzazione del substrato aritmico.
Ampio spazio è dedicato anche alle alterazioni ECG non necessariamente associate a cardiopatia strutturale, come la sindrome di Brugada e il pattern di early repolarization, paradigmi di come il tracciato possa identificare fenotipi a rischio anche in assenza di anomalie morfologiche evidenti. Grande attenzione da parte della platea suscita poi la relazione del Dott. Massimo Grimaldi, Presidente ANMCO in carica, dal titolo “Gli errori più comuni nella lettura dell’ECG”. Attraverso una sequenza di casi clinici reali, vengono mostrati tracciati caratterizzati da segni estremamente sottili e facilmente misconoscibili, confrontando le diagnosi formulate nella pratica clinica con quelle definitive. Emergono esempi di tachicardie ventricolari interpretate come sopraventricolari, blocchi atrioventricolari di secondo grado non riconosciuti, onde epsilon e frammentazioni del QRS passate inosservate. Il messaggio centrale dell’intervento è netto: l’accuratezza diagnostica nell’elettrocardiografia richiede un’osservazione sistematica, rigorosa e quasi “ossessiva” del tracciato. In un contesto clinico sempre più rapido e digitalizzato, l’errore interpretativo resta infatti una criticità concreta, con possibili implicazioni prognostiche rilevanti.
L’intervento conclusivo del Dott. Stefano Cornara affronta infine quello che viene definito “l’elefante nella stanza”: l’intelligenza artificiale applicata all’ECG. Il merito principale della relazione è quello di spostare il dibattito da una contrapposizione semplicistica, “l’IA sostituirà o meno il medico?”, verso una domanda molto più interessante: quante informazioni cliniche inesplorate sono contenute nel segnale elettrocardiografico? Vengono così presentati alcuni degli studi più significativi degli ultimi anni. Il lavoro di Attia e collaboratori, pubblicato su Nature Medicine nel 2019, ha dimostrato la capacità di algoritmi di deep learning di identificare disfunzione sistolica ventricolare sinistra partendo da ECG apparentemente normali, aprendo scenari completamente nuovi per lo screening non invasivo dello scompenso cardiaco. Un secondo studio ha validato l’utilizzo dell’IA per il riconoscimento non invasivo dell’iperkaliemia attraverso l’analisi del tracciato ECG anche in setting ad alta intensità di cura, suggerendo possibili applicazioni in medicina d’urgenza e monitoraggio remoto. Di particolare interesse anche il lavoro pubblicato nel 2023 da Al-Zaiti e collaboratori, nel quale algoritmi di machine learning sono stati utilizzati per migliorare la diagnosi e la stratificazione prognostica dell’infarto miocardico da occlusione coronarica, superando in alcuni contesti i limiti interpretativi dell’analisi convenzionale del sopraslivellamento ST (Occlusion Myocardial Infarction vs Non Occlusion Myocardial Infarction). Infine, viene discusso lo studio di Christopoulos e collaboratori sull’identificazione precoce della fibrillazione atriale mediante ECG analizzati con intelligenza artificiale: gli algoritmi sembrano infatti essere in grado di riconoscere alterazioni del segnale già presenti prima del primo episodio clinicamente manifesto di aritmia. Il messaggio conclusivo della sessione appare chiaro: l’elettrocardiogramma non è soltanto una metodica “storica” della cardiologia, ma uno strumento ancora in evoluzione. Da un lato rimane fondamentale la competenza clinica del cardiologo, capace di cogliere dettagli minimi ma decisivi; dall’altro, l’intelligenza artificiale promette di amplificare enormemente le informazioni estraibili dal tracciato. In questa integrazione tra esperienza umana e analisi algoritmica potrebbe trovarsi una delle direzioni più affascinanti della cardiologia del prossimo futuro.
References
- Calò L, Lanza O, Crescenzi C, et al. The value of the 12-lead electrocardiogram in the prediction of sudden cardiac death. Eur Heart J Suppl. 2023;25(Suppl C):C218-C226.
- Attia ZI, Kapa S, Lopez-Jimenez F, et al. Screening for cardiac contractile dysfunction using an artificial intelligence-enabled electrocardiogram. Nat Med. 2019;25(1):70-74.
- Harmon DM, Liu K, Dugan J, et al. Validation of Noninvasive Detection of Hyperkalemia by Artificial Intelligence-Enhanced Electrocardiography in High Acuity Settings. Clin J Am Soc Nephrol. 2024;19(8):952-958.
- Al-Zaiti SS, Martin-Gill C, Zègre-Hemsey JK, et al. Machine learning for ECG diagnosis and risk stratification of occlusion myocardial infarction. Nat Med. 2023;29(7):1804-1813.
- Christopoulos G, Attia ZI, Van Houten HK, et al. Artificial intelligence-electrocardiography to detect atrial fibrillation: trend of probability before and after the first episode. Eur Heart J Digit Health. 2022;3(2):228-235.
