I ricercatori hanno istruito un modello di intelligenza artificiale per rilevare la firma della fibrillazione atriale in elettrocardiogrammi di 10 secondi (ECG) prelevati da pazienti a ritmo normale. Lo studio, che ha coinvolto quasi 181.000 pazienti ed è stato pubblicato su The Lancet, è il primo ad utilizzare il deep learning per identificare i pazienti con fibrillazione atriale potenzialmente non rilevata, con un’accuratezza complessiva dell’83%. La tecnologia trova segnali nell’ECG che potrebbero essere invisibili all’occhio umano, ma contengono informazioni importanti sulla presenza della fibrillazione atriale.
L’aritmia da fibrillazione atriale
Si stima che la fibrillazione atriale colpisca 2,7-6,1 milioni di persone negli Stati Uniti ed è associata ad un aumento del rischio di ictus, insufficienza cardiaca e mortalità. Spesso è difficile rilevare quest’aritmia su un singolo ECG perché quando la fibrillazione atriale è parossistica si presenta saltuariamente, casualmente, e quindi spesso non viene diagnosticata.
Il dott. Paul Friedman, presidente del Dipartimento di medicina cardiovascolare della Mayo Clinic, negli Stati Uniti, afferma: “L’applicazione di un modello di intelligenza artificiale all’ECG consente il rilevamento della fibrillazione atriale anche se non è presente al momento della registrazione dell’ECG. È come guardare l’oceano adesso e poter dire che ieri c’erano grandi onde.”
Osserva inoltre, “Attualmente, l’intelligenza artificiale è stata istruita utilizzando ECG nelle persone che necessitavano di indagini cliniche, ma non nelle persone con ictus inspiegabile, né nella popolazione generale, e quindi non siamo ancora sicuri di come si comporterebbe nella diagnosi di questi gruppi. Tuttavia, la capacità di eseguire test in modo rapido ed economico in modo non invasivo e ampiamente disponibile potrebbe un giorno aiutare a identificare la fibrillazione atriale non diagnosticata e guidare un trattamento importante, prevenendo l’ictus e altre malattie gravi.”
La diagnosi di fibrillazione atriale
Dopo un ictus inspiegabile, è importante cercare di rilevare la presenza di una fibrillazione atriale, in modo che i pazienti possano ricevere un opportuno trattamento anticoagulante per ridurre il rischio di ictus ricorrente.
Attualmente, il rilevamento in questa situazione richiede il monitoraggio per settimane o anni, a volte con un dispositivo impiantato, potenzialmente lasciando i pazienti a rischio di ictus ricorrente, poiché i metodi attuali non rilevano sempre accuratamente la fibrillazione atriale o impiegano troppo tempo per farlo.
I cambiamenti dei cuori fibrillanti
I cuori con fibrillazione atriale sviluppano cambiamenti strutturali. Prima che tali cambiamenti siano visibili alle tecniche di imaging standard come l’ecocardiogramma, è probabile che si sviluppi una fibrosi del cuore associata a questa aritmia. Inoltre, la presenza di fibrillazione atriale può modificare temporaneamente le proprietà elettriche del muscolo cardiaco, anche dopo che è terminata, portando a quello che viene comunemente conosciuto come il rimodellamento elettrico del cuore.
L’intelligenza artificiale per la diagnosi di fibrillazione atriale
I ricercatori hanno deciso di formare una rete neurale – una classe di intelligenza artificiale di deep learning – per riconoscere sottili differenze in un ECG standard che si presume siano dovute a questi cambiamenti, anche se le reti neurali sono “scatole nere” e i risultati specifici che guidano la loro le osservazioni non sono note.
Gli autori hanno utilizzato ECG acquisiti da quasi 181.000 pazienti (circa 650.000 scansioni ECG) tra dicembre 1993 e luglio 2017, dividendo i dati in pazienti positivi o negativi per la fibrillazione atriale.
I dati ECG sono stati assegnati in tre gruppi: formazione, validazione interna e set di dati di prova con il 70% nel gruppo di training, 10% in validazione e ottimizzazione e 20% nel gruppo di prova (454.789 ECG da 126.526 pazienti nel set di dati di training, 64.340 ECG da 18.116 pazienti nel set di dati di validazione e 130.802 ECG da 36.280 pazienti nel set di dati di prova).
Una diagnosi accurata
L’intelligenza artificiale ha funzionato bene nell’identificare la presenza di fibrillazione atriale: considerando il primo ECG registrato da ciascun paziente, l’accuratezza era del 79% (per una singola scansione) e quando sono stati utilizzati più ECG per lo stesso paziente l’accuratezza è migliorata all’83%. Saranno però necessarie ulteriori ricerche per confermare le prestazioni su popolazioni specifiche, come i pazienti con ictus inspiegabile o insufficienza cardiaca.
Gli autori dello studio ipotizzano che un giorno potrebbe essere possibile utilizzare questa tecnologia come test diagnostico point-of-care nello screening chirurgico di gruppi ad alto rischio. Lo screening delle persone con ipertensione, diabete o età superiore ai 65 anni per la fibrillazione atriale potrebbe aiutare a evitare problemi di salute, tuttavia, gli attuali metodi di rilevazione sono costosi e identificano pochi pazienti.
Tecnologie a basso costo per la diagnosi di fibrillazione atriale
Il dottor Xiaoxi Yao, un co-autore dello studio, della Mayo Clinic, negli Stati Uniti, ha affermato “È possibile che il nostro algoritmo possa essere utilizzato su tecnologie a basso costo e ampiamente disponibili, inclusi gli smartphone, tuttavia, ciò richiederà ulteriori ricerche prima di un’applicazione diffusa.”
Gli autori notano diversi limiti del loro lavoro. La popolazione studiata può avere una maggiore prevalenza di fibrillazione atriale rispetto alla popolazione generale. L’intelligenza artificiale è stata istruita per classificare retrospettivamente ECG con indicazione clinica più che per la previsione in pazienti sani, o quelli con ictus inspiegabile. Potrebbe quindi aver bisogno di calibrazione prima di un’applicazione diffusa allo screening di una popolazione più ampia e sana.
I pazienti erano considerati negativi per la fibrillazione atriale se la diagnosi non era stata confermata, ma c’erano probabilmente alcuni pazienti che non erano stati diagnosticati correttamente, quindi l’intelligenza artificiale potrebbe aver identificato ciò che i precedenti test non avevano fatto.
D’altra parte, alcuni dei pazienti falsi positivi identificati dall’intelligenza artificiale con una storia di fibrillazione atriale (nonostante siano stati classificati come negativi) potrebbero in realtà avere avuto una fibrillazione atriale non diagnosticata. Poiché l’intelligenza artificiale è valida solo rispetto ai dati sui quali è stata addestrata, potrebbero esserci errori nell’interpretazione quando il test viene applicato ad altre popolazioni, come ad esempio individui senza un ECG indicato.
