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.