L’algoritmo creato per valutare i modelli di cicatrici nel tessuto cardiaco del paziente, può prevedere aritmie potenzialmente pericolose per la vita in modo più accurato di quanto possano fare i medici.
Il nuovo metodo basato sull’intelligenza artificiale può prevedere se e quando un paziente potrebbe morire per arresto cardiaco. La tecnologia, basata su immagini non elaborate dei cuori malati e del background dei pazienti, migliora significativamente le previsioni del medico, sta per rivoluzionare il processo decisionale clinico e aumentare la sopravvivenza da improvvise e letali aritmie cardiache, una delle condizioni più sconcertanti della medicina.
Lo studio dettagliato dei ricercatori della Johns Hopkins University, è stato pubblicato nella rivista Nature Cardiovascular Research.
Natalia Trayanova professoressa di ingegneria e medicina biomedica presso il Dipartimento di ingegneria biomedica della Johns Hopkins University, tra gli autori dello studio, ha affermato:
«La morte cardiaca improvvisa causata da aritmia rappresenta fino al 20% di tutti i decessi nel mondo, sappiamo poco sul perché sta accadendo o su come dire chi è a rischio. Ci sono pazienti a basso rischio di morte cardiaca improvvisa che ricevono defibrillatori di cui potrebbero non aver bisogno e poi ci sono pazienti ad alto rischio che non ricevono le cure di cui hanno bisogno e potrebbero morire nel fiore della loro vita. L’algoritmo può determinare chi è a rischio di morte cardiaca e quando si verificherà, consentendo ai medici di decidere esattamente cosa deve essere fatto».
Il team di ricercatori è il primo a utilizzare reti neurali per definire una valutazione di sopravvivenza personalizzata per ogni paziente con malattie cardiache, queste misure di rischio forniscono con alta precisione la possibilità di una morte cardiaca improvvisa in 10 anni, e quando è più probabile che accada.
La tecnologia di deep learning (è una tecnica di apprendimento in cui si espongono reti neurali artificiali a vaste quantità di dati, in modo che possano imparare a svolgere compiti), si chiama Survival Study of Cardiac Arrhythmia Risk, o SSCAR. Il nome allude alla cicatrizzazione cardiaca causata dalla malattia cardiaca che spesso si traduce in aritmie letali, e la chiave per le previsioni dell’algoritmo.
Il team di ricercatori ha utilizzato immagini cardiache potenziate dal contrasto che visualizzano la distribuzione delle cicatrici da centinaia di pazienti reali allo Johns Hopkins Hospital con cicatrici cardiache per addestrare un algoritmo per rilevare modelli e relazioni non visibili a occhio nudo. L’attuale analisi clinica delle immagini cardiache estrae solo semplici caratteristiche della cicatrice come il volume e la massa, sottoutilizzando i dati critici, ciò che in questo lavoro è dimostrato essere importante..
Dan Popescu, un ex studente di dottorato della Johns Hopkins University, ha partecipato alla ricerca, ha detto:
«Le immagini portano informazioni critiche a cui i medici non sono stati in grado di accedere, questa cicatrice può essere distribuita in modi diversi e dice qualcosa sulle possibilità di sopravvivenza di un paziente».
Il team di ricercatori ha addestrato una seconda rete neurale per imparare da una raccolta di 10 anni di dati clinici standard dei pazienti, in particolare da 22 fattori tra cui età, peso, razza e uso di farmaci da prescrizione.
Le previsioni degli algoritmi rispetto ai medici, non solo erano significativamente più accurate ma sono state convalidate in test con una coorte di pazienti indipendenti da 60 centri sanitari in tutti gli Stati Uniti, con diverse storie cardiache e diversi dati di imaging, suggerendo che la piattaforma potrebbe essere adottata ovunque.
Natalia Trayanova ha detto:
«Abbiamo realizzato un sistema che per quanto riguarda il rischio di aritmia, ha il potenziale per modellare significativamente il processo decisionale clinico, rappresenta un passo essenziale per portare la prognostica della traiettoria del paziente nell’era dell’intelligenza artificiale. Esso incarna la tendenza a fondere l’intelligenza artificiale, l’ingegneria e la medicina come il futuro della sanità».
Il team di ricercatori sta ora lavorando per costruire algoritmi per rilevare altre malattie cardiache, secondo Natalia Trayanova, il concetto di deep-learning potrebbe essere sviluppato per altri campi della medicina che si basano sulla diagnosi visiva.
