Un nuovo punteggio ottenuto con l’impiego di una intelligenza artificiale fornisce una previsione più accurata della probabilità che i pazienti con malattia coronarica sospetta o nota muoiano entro 10 anni, rispetto ai punteggi comunemente utilizzati dagli operatori sanitari di tutto il mondo. Queste conclusioni sonno il frutto di una ricerca presentata recentemente, nel corso del congresso EuroEcho 2021.
Apprendimento automatico e intelligenza artificiale
A differenza dei metodi tradizionali basati su dati clinici, il nuovo punteggio include anche informazioni di imaging sul cuore, misurate mediante risonanza magnetica cardiovascolare da stress (CMR). “Stress” si riferisce al fatto che ai pazienti viene somministrato un farmaco per imitare l’effetto dell’esercizio sul cuore, proprio mentre si trovano nello scanner della risonanza magnetica.
“Questo è il primo studio a dimostrare che l’apprendimento automatico con parametri clinici più la risonanza magnetica da stress può prevedere in modo molto accurato il rischio di morte”, ha affermato l’autore dello studio, il dott. Theo Pezel del Johns Hopkins Hospital di Baltimora, negli Stati Uniti.
“I risultati indicano che i pazienti con dolore toracico, dispnea o fattori di rischio per malattie cardiovascolari dovrebbero sottoporsi a un esame CMR da stress e calcolare il punteggio. Ciò ci consentirebbe di fornire un follow-up più intenso e consigli su esercizio fisico, dieta e così via a coloro che ne hanno più bisogno”.
La stratificazione del rischio cardiovascolare
La stratificazione del rischio è comunemente usata nei pazienti con o ad alto rischio di malattie cardiovascolari per adattare la gestione volta a prevenire infarto, ictus e morte cardiaca improvvisa. I calcolatori convenzionali utilizzano una quantità limitata di informazioni cliniche come età, sesso, abitudine al fumo, pressione sanguigna e colesterolo.
Questo studio ha esaminato l’accuratezza dell’apprendimento automatico utilizzando la CMR da stress e i dati clinici per prevedere la mortalità per tutte le cause a 10 anni, in pazienti con malattia coronarica sospetta o nota. Ha poi confrontato le sue prestazioni con i punteggi già esistenti e comunemente utilizzati.
Il Dr. Pezel ha spiegato: “Per i medici, alcune informazioni che raccogliamo dai pazienti potrebbero non sembrare rilevanti per la stratificazione del rischio, ma l’apprendimento automatico può analizzare un gran numero di variabili contemporaneamente e può trovare associazioni di cui non sapevamo l’esistenza, migliorando così la previsione del rischio”.
Undici parametri ottenuti alla risonanza magnetica
Lo studio ha incluso 31.752 pazienti inviati per CMR da stress tra il 2008 e il 2018 in un centro di Parigi, a causa di dolore toracico, mancanza di respiro sotto sforzo o alto rischio di malattie cardiovascolari. L’alto rischio è stato definito come avere almeno due fattori di rischio come ipertensione, diabete, dislipidemia e abitudine al fumo. L’età media era di 64 anni e il 66% erano uomini.
Sono state raccolte informazioni su 23 parametri clinici e 11 parametri ottenuti alla risonanza magnetica. I pazienti sono stati seguiti per una mediana di sei anni per la morte per tutte le cause, che è stata ottenuta dal registro nazionale dei decessi in Francia. Durante il periodo di follow-up, sono morti 2.679 (8,4%) pazienti.
L’apprendimento automatico è stato condotto in due fasi. Innanzitutto, è stato utilizzato per selezionare quali parametri clinici e della risonanza magnetica potevano prevedere la morte e quali no. In secondo luogo, è stato utilizzato l’apprendimento automatico per costruire un algoritmo basato sui parametri più importanti identificati nella prima fase, assegnando a ciascuno un’enfasi diversa, per creare la migliore previsione. Ai pazienti è stato quindi assegnato un punteggio da 0 (basso rischio) a 10 (alto rischio) per la probabilità di morte entro 10 anni.
Maggiore accuratezza nella previsione
Il punteggio ottenuto dall’apprendimento automatico è stato in grado di prevedere quali pazienti sarebbero stati vivi o morti con un’accuratezza del 76% (all’analisi statistica, area sotto la curva 0.76). “Ciò significa che in circa tre pazienti su quattro, il punteggio ha fornito la previsione corretta”, ha affermato il dott. Pezel.
Utilizzando gli stessi dati, i ricercatori hanno calcolato il rischio a 10 anni di morte per tutte le cause utilizzando punteggi stabiliti (Systematic COronary Risk Evaluation [SCORE], QRISK3 e Framingham Risk Score [FRS]) e un punteggio precedentemente derivato che incorpora dati clinici e di risonanza magnetica (Clinical-stressCMR [C-CMR-10]) – nessuno dei quali utilizzava l’apprendimento automatico. Il punteggio di apprendimento automatico aveva un indice statistico (area sotto la curva) significativamente più alto per la previsione della mortalità per tutte le cause a 10 anni rispetto agli altri punteggi: SCORE = 0,66, QRISK3 = 0,64, FRS = 0,63 e C-CMR-10 = 0,68.
Il Dr. Pezel ha affermato: “La CMR da stress è una tecnica sicura che non utilizza radiazioni. I nostri risultati suggeriscono che la combinazione di queste informazioni di imaging con i dati clinici in un algoritmo prodotto dall’intelligenza artificiale potrebbe essere uno strumento utile per aiutare a prevenire le malattie cardiovascolari e la morte cardiaca improvvisa nei pazienti con sintomi cardiovascolari o fattori di rischio”.
