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 .

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 .