Sala operatoria (Archivio)
Milano, 9 ottobre 2023 – Dal dottor Google al dottor IA, il salto è stato più breve di quanto immaginato. Nel giro di pochissimi anni siamo passati dal cercare i sintomi di un tumore su un motore di ricerca a utilizzare algoritmi di "machine learning" per individuare al volo un infarto, riconoscere una stenosi coronarica “difficile” e scegliere il trattamento o la procedura più indicata per una malattia cardiaca.
Il 2023 è l’anno in cui si sono moltiplicate le applicazioni dell’Intelligenza artificiale nelle operazioni al cuore.
A fare il punto sono stati gli specialisti della Società italiana di cardiologia interventistica (Gise) in occasione del 44° Congresso nazionale di Milano. “Siamo nel pieno di una rivoluzione della cardiologia interventistica e a farla da padrone è l’intelligenza artificiale – sottolinea Giovanni Esposito, presidente Gise e direttore del reparto di Cardiologia Emodinamica dell'ospedale Federico II di Napoli – Dall’infarto miocardico acuto alla diagnosi e al trattamento della malattia aterosclerotica coronarica fino alla pianificazione di interventi e allo sviluppo di applicazioni e strumenti educativi interattivi per fornire alle persone informazioni sulle malattie cardiovascolari, i fattori di rischio e le misure preventive: sono tantissime le possibili applicazioni e in futuro ce ne saranno molte di più”.
Un esempio vistoso è la diagnosi precoce dell’infarto miocardico acuto. L’elettrocardiogramma è un test non invasivo utilizzato per valutare l’attività elettrica del cuore. La tempestività della diagnosi di infarto miocardico è cruciale per la sopravvivenza dei pazienti. In Italia circa 120 mila persone ogni anno incorrono in un infarto del miocardio. Di queste, circa 25 mila muoiono perché non soccorse in tempo.
“L’IA è in grado di identificare le alterazioni elettrocardiografiche che si verificano in caso di sindrome coronarica acuta – aggiunge Esposito - In particolare, studi recenti hanno dimostrato che l’utilizzo di modelli di deep learning raggiungono una buona accuratezza nella diagnosi di infarto. Queste osservazioni aprono la strada all’impiego dei sistemi di IA per supportare le attività delle reti tempo-dipendenti”.
L’IA semplifica poi la diagnosi e il trattamento della malattia aterosclerotica. Il machine learning consente la ricostruzione, l'interpretazione e l'analisi delle immagini angiografiche o ottenute con metodiche di imaging intravascolare. Questo significa avere strumenti in grado di fornire informazioni sempre più dettagliate sulle caratteristiche delle lesioni coronariche.
Sono già disponibili applicazioni che combinano immagini angiografiche ed ecocardiografiche nel modello machine learning, consentendo ai cardiologi interventisti di identificare le strutture basate sui tessuti molli. Ciò può consentire un orientamento anatomico più intelligente, in particolare per le procedure difficili, e può ridurre il tempo della fluoroscopia, l’utilizzo del contrasto e la durata totale della procedura.
Oggi la tecnologia consente di sviluppare chatbot e assistenti virtuali che forniscano informazioni personalizzate sulle malattie cardiovascolari, rispondano alle domande dei pazienti e li motivino a seguire stili di vita sani, evidenzia Esposito. Queste misure potrebbero contribuire al superamento del gender gap in ambito cardiovascolare e che giustifica la maggiore tendenza a sottostimare la presenza di malattia aterosclerotica nei pazienti di sesso femminile con conseguente ritardo nella diagnosi e nel trattamento.