Un'intelligenza artificiale scopre un segnale elettrico invisibile negli ECG: può salvare migliaia di vite

Scoperta chiave dello studio UC Berkeley sull'arresto cardiaco improvviso

I ricercatori dell'Università della California, Berkeley, guidati dal professore associato Ziad Obermeyer, hanno pubblicato uno studio il 24 giugno 2026 sulla prestigiosa rivista Nature. Lo studio rivela che un modello di deep learning, addestrato su oltre 440.000 elettrocardiogrammi (ECG), ha scoperto un segnale elettrico precedentemente sconosciuto negli elettrocardiogrammi di routine, in grado di predire il rischio di morte cardiaca improvvisa con una precisione molto superiore agli attuali standard clinici .

Il segnale precedentemente sconosciuto

Il modello di intelligenza artificiale ha identificato pattern d'onda sottili negli ECG – picchi e correnti elettriche prodotti dal cuore – che i medici e i test clinici standard non sono in grado di rilevare . Questi pattern sono correlati a un malfunzionamento del sistema elettrico del cuore che precede l'arresto cardiaco improvviso. Il meccanismo fisiologico esatto non è ancora stato compreso, ma l'AI sembra aver individuato una caratteristica legata al fatto che il cuore smette improvvisamente e fatalmente di funzionare .

Addestramento e validazione

Il team ha addestrato un modello di deep learning utilizzando più di 440.000 ECG provenienti dalla Svezia, collegati ai certificati di morte. Il modello è stato alimentato con i tracciati di persone sane, pazienti a rischio e di coloro che in seguito sono morti per arresto cardiaco improvviso, fino a quando non ha imparato a riconoscere i pattern d'onda predittivi dell'esito fatale . Successivamente, il modello è stato validato su migliaia di ulteriori cartelle cliniche di pazienti sia negli Stati Uniti (area di San Diego) che a Taiwan (Taipei) . Un articolo di accompagnamento su Nature conferma che il modello è stato sviluppato utilizzando un'ampia mole di dati ECG e registri di mortalità .

Performance nella rilevazione del rischio

Il sistema di AI identifica un gruppo ad alto rischio con un tasso annuo di morte cardiaca improvvisa del 7%, rispetto ai test clinici standard (che misurano la quantità di sangue espulsa dal cuore a ogni battito) che identificano un gruppo ad alto rischio con un tasso annuo di appena il 4,6% . Il modello ha individuato un gruppo a rischio più ampio e ha predetto meglio chi avrebbe subito un arresto cardiaco improvviso – differenze che si traducono in migliaia di pazienti all'anno che, secondo le misure convenzionali, appaiono a basso rischio .

Perché la rilevazione è stata così difficile

L'arresto cardiaco improvviso uccide più di 300.000 persone ogni anno solo negli Stati Uniti e si verifica quando il sistema elettrico del cuore smette improvvisamente di funzionare senza preavviso . Obermeyer sottolinea che esiste una cura efficace – i defibrillatori impiantabili, che riportano il cuore a un ritmo normale con una scossa – ma i medici non sono in grado di capire chi ne ha bisogno prima che sia troppo tardi . Il problema centrale è che le persone muoiono così all'improvviso che è quasi impossibile sapere cosa stesse accadendo all'interno del cuore poco prima; le autopsie rivelano dettagli strutturali ma non il funzionamento elettrico immediatamente prima della morte .

Prossimi passi

I ricercatori prevedono di implementare l'algoritmo nei sistemi sanitari per aiutare i medici a identificare meglio chi necessita di un defibrillatore impiantabile . Lo studio apre anche la strada a nuove ricerche sul meccanismo fisiologico alla base dei malfunzionamenti elettrici del cuore. Obermeyer ha dichiarato che l'obiettivo è "non solo prendere decisioni migliori, ma anche iniziare a capire cosa sta realmente accadendo a questi pazienti prima che il loro cuore si fermi" . Poiché gli ECG sono esami di routine, a basso costo e disponibili in tutti i centri medici del mondo, lo strumento potrebbe essere ampiamente diffuso per salvare vite umane .