Intelligenza artificiale: prime linee guida italiane sull’uso in cardiologia, diagnosi di infarto in 37 secondi

Una sentinella infallibile per il nostro cuore, che nel prossimo futuro potrà aiutare a diagnosticare le malattie cardiovascolari sempre prima, a prescrivere le terapie migliori, a monitorare i pazienti a più alto rischio per scongiurare eventi cardiovascolari fatali: sono sempre più numerosi gli studi che dimostrano l’efficacia dell’intelligenza artificiale nella gestione delle patologie cardiovascolari e anche per questo in occasione dell’85° Congresso Nazionale della Società Italiana di Cardiologia (SIC), a Roma fino al 15 dicembre, è stato presentato il primo Documento di Consenso italiano sull’impiego dell’AI in cardiologia, firmato dai massimi esperti nazionali. Il documento, prendendo in esame gli utilizzi di AI e machine learning in cardiologia, ne sottolinea le grandi potenzialità a partire dal monitoraggio serrato dei pazienti ad alto rischio ricoverati con malattie cardiache: un ampio studio su quasi 16.000 pazienti pubblicato di recente su Nature Medicine, per esempio, ha dimostrato che la mortalità a tre mesi può ridursi del 31% associando l’AI all’elettrocardiogramma per identificare i casi con una maggiore probabilità di andare incontro a un evento fatale.

“L’impiego dell’AI nella valutazione degli ECG è molto promettente anche per migliorare la diagnosi precoce dell’infarto: uno studio su 362 pazienti sottoposti a ECG prima dell’arrivo in ospedale ha dimostrato un’accuratezza del 99% nell’identificare i casi più seri, con tempi di valutazione medi di appena 37 secondi, circa 4 volte inferiori a quelli di un medico in carne e ossa, che hanno accorciato ad appena 18 minuti l’intervallo fra l’arrivo in clinica e la procedura di rivascolarizzazione - osserva Ciro Indolfi, past-president della Società Italiana di Cardiologia e professore straordinario di Cardiologia all’Università di Cosenza – L’AI si è rivelata efficiente nella valutazione degli esami Holter o per il telemonitoraggio di pazienti con defibrillatori impiantabili, e potrebbe rivelarsi decisiva per aumentare l’utilità dei dispositivi indossabili nella diagnosi precoce, migliorando l’analisi dei parametri raccolti. Anche l’analisi delle ecocardiografie, delle risonanze magnetiche e delle TAC può essere resa più precisa e approfondita grazie all’AI, per la diagnosi di cardiomiopatie o di disfunzioni valvolari o anche per la quantificazione della stenosi coronarica attraverso la valutazione delle angiografie, che ha dimostrato un’accuratezza superiore al 98% nell’identificare trombi e calcificazioni”.

Il documento di consenso sottolinea che l’impiego di algoritmi di machine learning e AI potrebbe anche migliorare la diagnosi di malattie come l’ipertensione e lo scompenso cardiaco, che potrebbero inoltre essere gestite in maniera più adeguata grazie all’accuratezza dell’AI nella classificazione del rischio dei pazienti e quindi nella scelta fra le possibili terapie. Tuttavia, come conclude Ciro Indolfi, “esistono anche criticità di cui tenere conto utilizzando l’AI, non solo perché sono necessarie altre e più ampie ricerche per validarne le potenzialità e gli usi nella pratica clinica, ma soprattutto per gli aspetti etici e normativi su cui è necessario riflettere. Molti algoritmi, specialmente quelli basati sul deep learning, operano spesso come ‘black box’ prendendo decisioni sulla base di calcoli complessi da decrittare per un umano, che quindi possono rendere difficile riconoscere eventuali errori o bias. È altrettanto fondamentale interrogarsi sulle modalità di introduzione dell’AI per definire bene di chi siano le responsabilità di scelte dettate dagli algoritmi: la FDA classifica i prodotti di AI ‘software come dispositivi medici’, il regolamento ‘AI act’ dell’Unione Europea 2024/1689 impone ai produttori e agli sviluppatori specifici obblighi e caratteristiche in merito agli usi dell’AI, per esempio proibendo applicazioni di AI che potrebbero porre rischi troppo elevati, richiedendo requisiti stringenti per le applicazioni a rischio e imponendo valutazioni di conformità per tutti i prodotti da introdurre sul mercato, suddivisi in 4 classi a rischio crescente. La valutazione dei sistemi di AI, che possono imparare e cambiare nel tempo con possibili effetti sulla loro performance, pone sfide più complesse rispetto ai dispositivi medici tradizionali ma sarà importante affrontarle, per poter trarre i molti vantaggi che questi sistemi hanno da offrire”.