A differenza di quest’ultimo oltre al nettamente diverso approccio metodologico, il Progetto patrocinato dalla ESC (European Society of Cardiology) non va a concentrarsi sui soggetti che hanno subito un infarto in ottica di ottimizzazione delle cure. Al contrario, l’obiettivo della ricerca a cui hanno partecipato numerosi Paesi Europei mira a migliorare la predizione del rischio di malattie cardiovascolari su soggetti sani, senza alcun tipo di problema cardiaco.

Coordinata da due gruppi di lavoro, SCORE2 e SCORE2 Older Person, e realizzata in collaborazione con la Cardiovascular Risk Collaboration della ESC ha visto il coinvolgimento di 700.000 adulti e anziani distribuiti tra le diverse regioni europee. Con un’età compresa tra i 40 e i 69 anni e il possesso o meno di differenti fattori di rischio (fumatori e non fumatori, con diversi livelli di pressione sanguigna, diversi livelli di colesterolo, ecc) rappresenta un contributo scientificamente rilevante nella prevenzione primaria.

I risultati sono stati pubblicati sullo European Heart Journal ed è solo l’inizio: i modelli SCORE2 e SCORE2-OP verranno infatti inseriti nelle Linee guida Europee sulla prevenzione cardiovascolare, raccomandandone l’utilizzo. I due algoritmi offrono infatti un’accurata stima del rischio in diverse popolazioni andando ad identificare e classificare i Paesi europei in differenti livelli di rischio.

I nuovi algoritmi […] sono superiori ai loro predecessori in termini di accuratezza, generalizzabilità e validità, e potrebbero quindi avere un impatto sostanziale nel mondo reale, migliorando la prevenzione primaria delle malattie cardiovascolari in tutta Europa.

Queste le parole del Professor Emanuele Di Angelantonio dell’Università di Cambridge.

Nel gruppo di ricerca, versante italiano, il Professor Giovanni Veronesi, la Professoressa Licia Iacoviello e il Professor Marco Ferrario del Centro Ricerche EPImediologia e MEDicina preventiva (EPIMED) dell’Università degli Studi dell’Insubria.

[…] Il nostro Paese ha dato un contributo scientificamente rilevante sul tema, iniziato venti anni fa con il Progetto CUORE, e continuato attraverso il costante aggiornamento dei modelli di rischio per renderli più accurati in sotto-popolazioni specifiche, quali i più giovani, le basse classi socio-economiche, e la popolazione lavorativa.

Decisivo dunque il contributo del Centro di Ricerca insubrico, caratterizzato da un elevato profilo internazionale oltre che da un approccio multidisciplinare che nell’analisi della predisposizione al rischio cardiovascolare fa davvero la differenza.

Per approfondire
SCORE2 working group and ESC Cardiovascular risk collaboration (2021), SCORE2 risk prediction algorithms: new models to estimate 10-years risk of cardiovalscular disease in Europe, European Heart Journal, ehab 309, https://doi.org/10.1093/eurheartj/ehab309 

L'articolo Rischio Cardiovascolare e algoritmi predittivi: rilevante il contributo insubrico proviene da Osservatorio C Quadra.

Utilizzare l’apprendimento automatico per ottimizzare la definizione dei modelli predittivi e terapeutici per pazienti che hanno subito l’infarto. Un’innovazione tutta italiana, torinese per l’esattezza, che si attesta a rivoluzionare i reparti di cardiologia e che conferma la città piemontese, già scelta come sede dell’Istituto Italiano per l’Intelligenza Artificiale (I3A), centro innovativo strategico.

Quello tra intelligenza artificiale e ambito sanitario è un rapporto di collaborazione sempre più fertile, destinato a maturare ulteriormente negli anni a venire. L’applicazione della tecnologia alla diagnostica si è rivelata strategica in più di una sperimentazione: abbiamo trattato in precedenti articoli dell’impiego dell’AI per lo screening del tumore al seno, così come per l’individuazione dei pazienti positivi al Covid-19 nella ricerca di EPFL e in quella del MIT.

La ricerca torinese, diretta dal professor Gaetano Maria De Ferrari, è stata coordinata dalla Cardiologia Universitaria dell’Ospedale Molinette della Città della Salute di Torino e condotta in collaborazione al Dipartimento di Informatica dell’Università di Torino e al Dipartimento di Ingegneria Meccanica e Aerospaziale del Politecnico di Torino.

Pubblicato su The Lancet, lo studio sul nuovo sistema di classificazione dei rischi futuri per i pazienti cardiopatici si basa sul machine learning. Gli algoritmi di intelligenza artificiale permettono di costruire i modelli predittivi in base alle informazioni e alle relazioni ricavate dagli ampi database in possesso.

“Lo studio è una dimostrazione fortissima delle possibilità dell’Intelligenza Artificiale in medicina e in cardiologia in particolare.” 

 Professor Gaetano Maria De Ferrari

Per ovviare ai rischi a cui incorrono i pazienti che hanno subito infarto miocardico nei primi anni dopo le cure, i medici devono prendere in considerazione diversi fattori in funzione della possibilità di peggioramento e ai trattamenti in corso. La terapia viene quindi tradizionalmente definita in funzione dell’esperienza e della consultazione di analisi statistiche di rischio, purtroppo non sempre precise.

Gli algoritmi impiegati nella ricerca hanno invece permesso l’analisi di dati clinici inerenti a un bacino di pazienti piemontesi molto più ampio del solito e di individuare tra essi relazioni fondamentali altrimenti difficilmente identificabili. Sfruttando indicazioni e possibili combinazioni sui 23.000 soggetti esaminati attraverso i supercomputer di CINECA e di HPC4AI, è stato possibile ricavare informazioni preziose utili a definire strategie terapeutiche efficienti.

Mentre i punteggi di rischio rilevati con i dati statistici tradizionali hanno una precisione del 70% e un’incidenza di errore per tre pazienti su dieci, l’impiego del machine learning ottimizza le previsioni al 90% e riduce la possibilità di diagnosi scorretta sino a un paziente su dieci. Grazie alle stime ricavate con l’impiego dell’intelligenza artificiale in ambito sanitario risulta quindi possibile mettere in atto cure migliori per i pazienti di cardiologia e ottimizzare le prestazioni sanitarie.

Per Approfondire:

D’Ascenzo, O. De Filippo, G. Gallone, G. Mittone, M. A. Deriu, M. Iannaccone, A. Ariza-Solé, C.Liebetrau, S. Manzano-Fernàndez, Giorgio Quadri, Tim Kinnaird, G. Campo, J. P. S. Henriques, J. M. Hughes, A. Dominguez-Rodriguez, M. Aldinucci, U. Morbiducci, G. Patti, S. Raposeiras-Roubin, E. Abu-Assi, G. M. De Ferrari, PRAISE study group (2021) Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets, The Lancet, Volume 397, Issue 10270, pages 199-207

L'articolo Innovazioni in cardiologia: il rischio di infarto si combatte con l’AI proviene da Osservatorio C Quadra.