Pubblicato:
Aggiornato:
Intelligenza artificiale in ambito cardiologico, l'Upo in prima linea
I risultati pubblicati sulla rivista internazionale Circulation Cardiovascular Imaging.
Intelligenza artificiale in ambito cardiologico, l'Università del Piemonte orientale in prima linea. I risultati del progetto pubblicati sulla prestigiosa rivista internazionale Circulation Cardiovascular Imaging.
Intelligenza artificiale in ambito cardiologico, l'Upo in prima linea
L’intelligenza artificiale trova applicazione da decenni in molteplici ambiti che coinvolgono la vita di ognuno di noi. Anche la ricerca scientifica in ambito medico-sanitario ne sta intensificando l’utilizzo per migliorare la nostra capacità di diagnosi e cura di patologie assai diffuse che consentono la raccolta di grandi quantità di dati da analizzare e interpretare grazie all’ausilio del cosiddetto machine learning.
Uno dei primi esempi di utilizzo dell’intelligenza artificiale in ambito cardiologico vede in prima linea l’Università del Piemonte Orientale tra gli atenei coinvolti nello studio multicentrico Machine Learning Analysis of Left Ventricular Function to Characterize Heart Failure With Preserved Ejection Fraction, recentemente pubblicato sulla rivista scientifica della American Heart Association Circulation Cardiovascular Imaging. Responsabili il professor Paolo Marino (nella foto) e la dottoressa Anna Degiovanni, entrambi afferenti al Dipartimento di Medicina traslazionale.
Le altre università partner
Le altre università partner, che hanno collaborato nell’ambito del progetto europeo MEDIA (The MEtabolic Road to DIAstolic Heart Failure), sono quelle di Cardiff (prof Alan Fraser e dott. Tamas Erdei), Oslo (prof Svend Aakkhus e dott. Gabor Kunszt), Perugia (dott. Erberto Carluccio), Sophia-Antipolis (prof Nicolas Duchateau), Trondheim (prof.ssa Gemma Piella) e Barcellona (dott. Sergio Sanchez-Martinez autore dell’articolo e prof Bart Bijnens).
Lo studio ha utilizzato l'intelligenza artificiale per interpretare determinati segnali biologici, in questo caso la risposta ventricolare al test da sforzo di 156 pazienti con più di 60 anni, nel contesto del cosiddetto scompenso cardiaco con funzione sistolica conservata. Questa sindrome colpisce circa la metà dei soggetti affetti da insufficienza cardiaca e identificata dagli specialisti con la sigla HFpEF (Heart Failure with preserved Ejection Fraction).
Lo studio pubblicato sulla rivista Circulation Cardiovascular Imaging.
La diagnosi di questa sindrome, di cui i medici prevedono un significativo incremento nei prossimi decenni, non è al momento completamente affidabile utilizzando un approccio che non faccia ricorso all’emodinamica. Grazie al machine learning e all’analisi dei dati di imaging ecocardiografico raccolti durante l’esecuzione di una prova da sforzo, i ricercatori cercano di stabilire con esattezza le oggettive differenze tra pazienti sani e pazienti con HFpEF. Dei 156 soggetti testati, infatti, 33 non erano affetti da alcuna patologia cardiaca, mentre 72 avevano avuto una diagnosi di HFpEF. Inoltre sono stati inseriti nello studio, a scopo confondente, 24 ipertesi asintomatici e 27 pazienti limitati da una dispnea a bassa soglia non riconducibile a cause cardiologiche (breathless). Secondo gli studiosi l'analisi della funzione ventricolare sotto sforzo di tutti i soggetti arruolati, attraverso un processo di machine learning interpretabile, può migliorare la diagnosi e conseguentemente l’identificazione dei pazienti affetti da HFpEF.
