Il medico quando ascolta il cuore con lo stetoscopio, sente il caratteristico suono “lub-dub” e si sforza di rilevare i sottili squittii e mormorii che si producono quando le valvole hanno perdite, si bloccano o slittano fuori posto. Tuttavia, il corpo è un luogo rumoroso ed è facile che ai medici sfugga il suono rivelatore di una malattia cardiaca valvolare in mezzo alla cacofonia del sangue che sale, della pancia che brontola e del respiro che si fa affannoso.
Il team di ricercatori dello Stevens Institute of Technology invece di affidarsi al fallibile orecchio umano, hanno sviluppato un nuovo strumento diagnostico per rilevare e classificare i disturbi valvolari sulla base di un breve flusso di dati audio.
I risultati, pubblicati nella rivista IEEE Transactions on Biomedical Engineering, sono sorprendenti: in pochi secondi, lo strumento di intelligenza artificiale del team di ricercatori è in grado di rilevare la cardiopatia valvolare, o VHD, con una sensibilità del 93% e una specificità del 98%, ciò significa che solo un numero molto inferiore di persone affette da cardiopatia valvolare (VHD) non è stato diagnosticato e che ci sono stati pochissimi risultati falsi positivi.
Negar Ebadi, ricercatore principale del progetto, professore associato di ingegneria elettrica e informatica, ha affermato:
«La maggior parte dei casi di cardiopatia valvolare (VHD) non viene diagnosticata a causa di un errore umano, quindi abbiamo introdotto l’intelligenza artificiale per aiutare l’uomo».
Arash Shokouhmand, autore principale dello studio, recentemente ha conseguito il dottorato presso Stevens Institute of Technology, ha affermato:
«Nel campo dell’assistenza sanitaria, i limiti degli esami standard con lo stetoscopio sono evidenti. È indispensabile investire in strumenti diagnostici avanzati per colmare questo divario e garantire una diagnosi e un trattamento precoci per tutti i pazienti».
Le ricerche, in effetti, dimostrano che solo il 44% dei casi di cardiopatia valvolare (VHD) viene individuato con un esame stetoscopico standard, ciò significa che le condizioni dei pazienti peggiorano significativamente prima che la malattia venga finalmente individuata e trattata, con un costo che solo per il sistema sanitario americano è quantificato in oltre 42 miliardi di dollari l’anno.
Il team di ricercatori ha effettuato registrazioni di 10 secondi utilizzando un microfono a contatto, in pratica un microfono che rileva le vibrazioni sonore direttamente dal petto del paziente. I dati sono stati poi inseriti in un modello di intelligenza artificiale adattato agli algoritmi di elaborazione del parlato, normalmente utilizzati per isolare le voci quando le persone parlano tra loro.
Arash Shokouhmand ha affermato:
«La differenza è che invece di rilevare singole voci, stiamo rilevando le firme audio di specifici tipi di malattie cardiache. Separando il segnale audio, la nostra rete neurale è in grado di identificare rapidamente cinque diverse malattie valvolari da un singolo campione di dati, anche se più malattie coesistono in un singolo paziente. Il modello di intelligenza artificiale nel giro di pochi secondi emette una semplice stringa di cinque cifre di uno e di zero: il numero zero per ogni risultato negativo e il numero uno per ogni malattia valvolare individuata. La nostra capacità di rilevare più malattie contemporaneamente è stata un’innovazione fondamentale in questa ricerca, non ci limitiamo a dimostrare che c’è un problema valvolare, ma siamo in grado di identificare la costellazione di problemi di cui soffre un paziente».
I ricercatori in generale mentre in passato hanno utilizzato le reti neurali per rilevare la cardiopatia valvolare (VHD), il team di ricercatori dello Stevens Institute of Technology è il primo a utilizzare gli accelerometri invece di macchine complesse e ingombranti. Il loro metodo è anche nettamente più accurato e robusto dei precedenti metodi diagnostici basati sull’intelligenza artificiale e ha spazio per ulteriori significativi sviluppi.
Negar Ebadi ha affermato:
«Il nostro attuale obiettivo è quello di raccogliere più dati in modo da poter iniziare a classificare le malattie in base alla gravità, invece di mostrare che si ha un particolare disturbo valvolare, potremmo dare un voto su 10 che descriva il grado di avanzamento della malattia».
Il team di ricercatori spera anche di estendere il proprio metodo per individuare altre malattie circolatorie e, infine, di portare il sistema negli studi medici di tutto il Paese per garantire che un minor numero di disturbi cardiaci non venga diagnosticato.
