I ricercatori hanno sviluppato un modello di intelligenza artificiale capace di analizzare un comune elettrocardiogramma e individuare alterazioni elettriche impercettibili all’interpretazione tradizionale. Questi micro-segnali risultano associati a livelli elevati di NT-proBNP, il principale　biomarcatore utilizzato per la diagnosi dello scompenso cardiaco. Per addestrare il sistema è stata utilizzata una rete neurale profonda che ha analizzato 84.895 elettrocardiogrammi associati ai relativi esami del sangue. In questo modo l’algoritmo ha imparato a riconoscere correlazioni invisibili all’occhio umano ma indicative della presenza della malattia.

Accuratezza vicina al 90%

Dopo la fase di addestramento, il modello è stato testato su 679 pazienti seguiti nei centri di Cosenza e Trieste. I risultati hanno mostrato un’accuratezza prossima al 90% nell’identificazione dei valori di NT-proBNP considerati a rischio. Lo studio è frutto della collaborazione tra Università della Calabria, Humanitas University, Università Federico II di Napoli, Università e Azienda sanitaria universitaria di Trieste, Università di Zurigo, Imperial College London, King’s College London e Seoul National University.

Una possibile svolta per la diagnosi precoce

Secondo gli autori, questa tecnologia potrebbe rendere più rapido il riconoscimento dei pazienti che necessitano di ulteriori approfondimenti diagnostici, contribuendo a ridurre tempi e costi. «Lo scompenso cardiaco è una delle grandi emergenze sanitarie del nostro Paese», afferma Ciro Indolfi, presidente della Fondazione italiana cuore e circolazione della Società italiana di cardiologia (SIC) e primo autore dello studio. «In Italia interessa oltre un milione di persone e registra circa 80 mila nuovi casi ogni anno, soprattutto tra gli anziani». Il problema, spiega il cardiologo, è che la malattia spesso si manifesta con sintomi poco specifici, rendendo difficile una diagnosi tempestiva.

Dall’ECG a filtro intelligente per il medico

Oggi il percorso diagnostico prevede la valutazione clinica, il dosaggio dei biomarcatori cardiaci attraverso esami di laboratorio e successivamente l’ecocardiografia per confermare il sospetto. L’applicazione dell’intelligenza artificiale potrebbe però cambiare questo schema, trasformando l’elettrocardiogramma in uno strumento ancora più utile nella pratica clinica quotidiana.

«Per confermare il sospetto servono un prelievo del sangue con analisi di laboratorio e un’ecografia del cuore», spiega Gianfranco Sinagra, presidente della Società italiana di cardiologia e coautore dello studio. «Applicare l’IA all’elettrocardiogramma permette di trasformarlo in un vero e proprio filtro digitale, uno strumento capace di segnalare immediatamente al medico quando è opportuno richiedere approfondimenti di laboratorio e valutazioni specialistiche».

Verso una cardiologia più accessibile

Se confermata da ulteriori studi e introdotta nella pratica clinica, questa tecnologia potrebbe favorire un’identificazione più precoce dei pazienti con　scompenso cardiaco, soprattutto nei contesti territoriali dove l’accesso agli esami specialistici è meno immediato. L’obiettivo non è sostituire gli accertamenti tradizionali, ma utilizzare l’intelligenza artificiale per valorizzare informazioni già presenti nell’elettrocardiogramma, rendendo uno degli esami più diffusi al mondo ancora più efficace nel supportare il lavoro dei medici e migliorare la diagnosi precoce delle malattie cardiovascolari.