IA scopre un segnale nell’ECG che supera i test tradizionali nel predire l’arresto cardiaco improvviso

Come è stato addestrato e convalidato il modello

Il team di ricerca ha adottato un approccio rigoroso allo sviluppo del modello. Ha abbinato oltre 440.000 ECG provenienti da cartelle cliniche svedesi ai dati dei certificati di morte, in modo che l’IA potesse imparare quali schemi d'onda precedevano l’arresto cardiaco improvviso . L'architettura di deep learning ha analizzato l'intero segnale a 12 derivazioni, non solo misure riassuntive, consentendo di trovare schemi sottili e non lineari, invisibili ai lettori umani.

Per garantire che i risultati non fossero specifici della Svezia, il modello è stato convalidato esternamente su migliaia di cartelle cliniche indipendenti provenienti da Stati Uniti e Taiwan. Le previsioni sono state valide in diverse popolazioni e sistemi sanitari, fornendo una forte prova di generalizzabilità .

Perché individuare l’arresto cardiaco improvviso è sempre stato così difficile

L'arresto cardiaco improvviso è fondamentalmente diverso da un infarto. Un infarto comporta un'arteria bloccata che priva il muscolo cardiaco di ossigeno; l'arresto cardiaco improvviso è un malfunzionamento elettrico: la corrente elettrica del cuore smette di funzionare senza preavviso .

Le persone muoiono così rapidamente che studiare cosa stesse facendo il cuore nei momenti precedenti è quasi impossibile. Le autopsie possono mostrare problemi strutturali (vasi ostruiti, tessuto cicatrizzato), ma come hanno osservato i ricercatori, "l'effettivo funzionamento prima della morte rimane una scatola nera" .

L'attuale test gold-standard per il rischio (la misurazione della frazione di eiezione ventricolare sinistra, LVEF, la percentuale di sangue che il cuore pompa a ogni battito) è uno strumento grossolano. Molte persone che muoiono per arresto cardiaco improvviso hanno una LVEF normale, e molte con LVEF bassa non subiscono mai un arresto . L'approccio standard non identifica la maggior parte delle persone che hanno bisogno di aiuto.

Risultati pratici a confronto con i test standard

L'IA ha identificato un gruppo ad alto rischio che comprende circa il 2,2% della popolazione sottoposta a screening. Il tasso annuo di morte cardiaca improvvisa del 7,0% in questo gruppo è paragonabile o superiore alla soglia di rischio utilizzata negli studi clinici per i defibrillatori impiantabili (ICD) . Ciò significa che molti pazienti che sfuggirebbero alle linee guida attuali potrebbero essere candidati a dispositivi salvavita.

Prossimi passi

La ricerca indica tre chiari passi successivi:

1. Impiego clinico per le decisioni sui defibrillatori: Gli ECG sono economici, non invasivi e disponibili in quasi tutte le cliniche del mondo. Il modello di IA potrebbe aiutare i medici a decidere chi ha bisogno di un defibrillatore cardioverter impiantabile (ICD). Come ha detto Obermeyer, "Se sapessi di essere una delle persone che morirà all'improvviso, andresti da un cardiologo e ti faresti impiantare un defibrillatore. Il problema è che i medici non riescono a capire chi ne ha bisogno prima che sia troppo tardi" .

2. Nuova comprensione fisiologica: La nuova forma d'onda scoperta dall'IA (senza che le venisse detto cosa cercare) apre una nuova direzione di ricerca. Comprendere l'esatto meccanismo elettrico alla base dell'onda R slargata nella derivazione aVL potrebbe rivelare perché alcuni cuori si fermano improvvisamente. "Non solo possiamo prendere decisioni migliori, ma possiamo anche iniziare a capire cosa sta realmente accadendo a questi pazienti prima che il loro cuore si fermi", ha detto Obermeyer .

3. Studi prospettici prima dell'adozione su larga scala: Sebbene la validazione esterna in tre paesi sia una prova importante, il modello deve essere testato in studi clinici prospettici prima di entrare nella pratica clinica di routine. Il lavoro del team di ricerca dimostra il tipo di validazione rigorosa e cross-popolazionale che rende questa scoperta particolarmente promettente .