Il modello di deep learning supera i cardiologi nell’identificazione delle malattie cardiache nascoste

Redazione

Agosto 26, 2025 - 11:30

Il modello di deep learning supera i cardiologi nell’identificazione delle malattie cardiache nascoste

La valutazione dei tracciati dell’elettrocardiogramma (ECG) utilizzando un nuovo modello di deep learning noto come EchoNext sembra destinata a salvare vite umane segnalando i pazienti ad alto rischio di cardiopatia strutturale (SHD) che altrimenti potrebbero non essere notati.

La valutazione dei tracciati dell’elettrocardiogramma (ECG) utilizzando un nuovo modello di deep learning noto come EchoNext sembra destinata a salvare vite umane segnalando i pazienti ad alto rischio di cardiopatia strutturale (SHD) che altrimenti potrebbero non essere notati.

La SHD comprende una serie di condizioni che colpiscono milioni di persone in tutto il mondo, tra cui l’insufficienza cardiaca e la cardiopatia valvolare.

Tuttavia, attualmente è sottodiagnosticato perché il test diagnostico per SHD, un ecocardiogramma, è relativamente costoso e complesso e quindi non viene eseguito di routine.

Una diagnosi tardiva si traduce in decessi inutili, riduzioni della qualità della vita dei pazienti e un onere aggiuntivo per i servizi sanitari.

EchoNext potrebbe ridurre questi problemi in quanto fornisce un modo per determinare quali pazienti dovrebbero essere inviati per un ecocardiogramma – imaging ecografico che mostra le valvole e le camere e come batte il cuore – analizzando le tracce ECG economiche e comunemente raccolte che registrano l’attività elettrica nel cuore.

Il modello EchoNext è stato sviluppato dai ricercatori della Columbia University e del NewYork-Presbyterian Hospital negli Stati Uniti, guidati da Pierre Elias, assistente professore presso il Vagelos College of Physicians and Surgeons della Columbia University e direttore medico per l’intelligenza artificiale presso il NewYork-Presbyterian.

EchoNext è una rete neurale convoluzionale, che utilizza l’operazione matematica della convoluzione per generare informazioni e fare previsioni. In questo caso, EchoNext scansiona i dati ECG in segmenti di dimensioni ridotte, generando informazioni su ciascun segmento e assegnandogli successivamente un “peso” numerico.

Da questi valori, il modello di intelligenza artificiale determina quindi se un paziente mostra marcatori di SHD e quindi richiede un ecocardiogramma.

EchoNext apprende dai dati retrospettivi verificando l’accuratezza delle sue previsioni, con oltre 1,2 milioni di tracciati ECG da 230.000 pazienti utilizzati nella sua formazione iniziale.

EchoNext ha anche superato 13 cardiologi nel fare diagnosi basate su 3200 ECG, segnalando correttamente il 77% dei problemi cardiaci strutturali, mentre i suoi colleghi umani erano accurati solo al 64%, un risultato così buono da scioccare i ricercatori.

“La cosa davvero impegnativa qui è stata che dalla scuola di medicina mi è stato insegnato che non è possibile rilevare cose come l’insufficienza cardiaca o le malattie valvolari da un elettrocardiogramma. Quindi inizialmente ci siamo chiesti: il modello avrebbe effettivamente individuato i pazienti con malattie che ci mancavano? Ho letto più di 10.000 ECG nella mia carriera e non riesco a guardare un ECG e vedere cosa vede un modello di intelligenza artificiale”, afferma entusiasta Elias.

“È in grado di rilevare diversi insiemi di modelli che non sono necessariamente percepibili per noi”.

Elias ha avviato il progetto EchoNext dopo un incidente sconvolgente in cui non è stato in grado di salvare un paziente trasferito da un altro ospedale con cardiopatia valvolare critica perché gli era stata diagnosticata troppo tardi.

“Non puoi prenderti cura del paziente che non conosci. Così ci siamo detti: c’è un modo per fare un lavoro migliore con le diagnosi?”

EchoNext è ora in fase di sperimentazione clinica, con sede in otto dipartimenti di emergenza ospedalieri, che si concluderà nel 2026.

“La mia priorità numero uno è produrre le giuste prove cliniche necessarie per dimostrare che questa tecnologia è sicura ed efficace, può essere ampiamente adottata e ha valore nell’aiutare i pazienti”, afferma Elias.

Sottolinea che è ancora presto per tutte le tecnologie di intelligenza artificiale, ma che anche in queste fasi di sperimentazione EchoNext – che è stata recentemente designata come tecnologia rivoluzionaria dalla Food and Drug Administration (FDA) statunitense – sta già migliorando la vita dei pazienti.

“È davvero una cosa meravigliosa che ogni settimana incontriamo i pazienti che questo ci ha aiutato. Il nostro obiettivo è che questo abbia un impatto sul maggior numero possibile di pazienti nei prossimi 12 mesi”, afferma Elias, aggiungendo che, poiché EchoNext sta rilevando con successo 13 tipi di malattie cardiache, un sistema simile dovrebbe essere utile anche in altri domini sanitari.

«Pensiamo che questi tipi di biomarcatori potenziati dall’intelligenza artificiale possano diventare qualcosa che viene ordinato e utilizzato di routine come parte della pratica clinica», conclude.

Immagine: iStock/artoleshko

The post Il modello di deep learning supera i cardiologi nell’identificazione delle malattie cardiache nascoste appeared first on Cronache di Scienza.