Valvulopatie, l’AI anticipa la diagnosi rispetto all’auscultazione tradizionale

L'intelligenza artificiale (AI) potrebbe aiutare i medici a individuare gravi valvulopatie cardiache anni prima rispetto ai metodi tradizionali, salvando potenzialmente migliaia di vite. È quanto suggerisce un nuovo studio pubblicato sulla rivista npj Cardiovascular Health.

Considerato il progressivo invecchiamento della popolazione, con l’aumento quindi di malattie sistemiche croniche e la crescente pressione sui sistemi sanitari, strumenti di screening supportati dalla AI rappresentano strategie sempre più promettenti per alleggerire i carichi di lavoro e migliorare la diagnosi.

La malattia valvolare cardiaca colpisce più della metà delle persone over 65, con circa uno su dieci che presenta una patologia significativa. Nelle fasi iniziali è spesso asintomatica. Attualmente, la diagnosi di valvulopatia si basa sull'ecocardiografia, che rappresenta il gold standard ma è costosa e richiede tempo con liste d’attesa anche molto lunghe. L'auscultazione cardiaca prolungata con lo stetoscopio che potrebbe indirizzare la diagnosi e diminuire la pressione sui sistemi sanitari, inoltre, è una competenza difficile e sempre meno praticata negli ambulatori di medicina generale a causa del lavoro sempre più gravoso e burocraticizzato che impedisce spesso visite approfondite.

"Quando si sviluppano sintomi avanzati, il rischio di morte può essere fino all'80% entro due anni se non trattata. L'unico trattamento è la chirurgia per riparare o sostituire la valvola", ha spiegato il co-autore Professor Rick Steeds, degli University Hospitals Birmingham.

Il nuovo studio ha utilizzato stetoscopi digitali per registrare i suoni cardiaci di 1.767 pazienti. Ogni partecipante ha eseguito anche un ecocardiogramma, utilizzato come riferimento.

Anziché addestrare l'algoritmo a riconoscere i soffi cardiaci - il tradizionale marcatore diagnostico - i ricercatori lo hanno addestrato direttamente sui risultati ecocardiografici. Questo ha permesso al sistema di apprendere pattern acustici sottili che gli esseri umani potrebbero non cogliere, inclusi i casi senza un evidente soffio.

L'AI ha identificato correttamente il 98% dei pazienti con stenosi aortica grave, la forma più comune di valvulopatia che richiede chirurgia, e il 94% di quelli con rigurgito mitralico grave, in cui la valvola cardiaca non si chiude completamente e il sangue refluisce all'indietro attraverso la valvola.

Quando confrontato con 14 medici di medicina generale che hanno ascoltato le stesse registrazioni, l'algoritmo ha superato ognuno di loro, e lo ha fatto in modo costante. I singoli medici variavano ampiamente nei loro giudizi, con alcuni che privilegiavano la sensibilità e altri la specificità. L'AI ha fornito risultati affidabili ogni volta ed è risultata particolarmente accurata per le malattie gravi.

L'accuratezza dell'algoritmo, superiore a quella dei medici di medicina generale suggerisce che questa tecnologia potrebbe colmare un gap diagnostico significativo per una patologia largamente sottostimata. I ricercatori affermano che la tecnologia non è intesa per sostituire i medici, ma potrebbe essere un utile strumento di screening routinaria, aiutando i medici a decidere quali pazienti dovrebbero essere indirizzati per ulteriori indagini e trattamento. La riduzione dei falsi positivi, progettata nel sistema, è cruciale per garantire che l'implementazione non si traduca in un ulteriore sovraccarico dei servizi di ecocardiografia. Sono necessari, infatti, solo pochi secondi di registrazione dei suoni cardiaci, eseguiti anche da personale con una formazione minima, per escludere almeno i casi più significativi, anche se le forme più moderate di valvulopatia risultano più difficili da rilevare.

L'algoritmo è ancora in fase di ricerca e non è disponibile come prodotto commerciale, anche se gli ottimi risultati raggiunti e il rapido sviluppo delle tecnologie potrebbero portare alla produzione di stetoscopi integrati di AI nell’arco di poco tempo.

I ricercatori sottolineano che saranno necessari ulteriori trial condotti in contesti reali e con un maggior numero di medici di medicina generale prima che il sistema possa essere usato nella popolazione generale.

L'approccio innovativo di addestrare l'AI direttamente sui risultati ecocardiografici piuttosto che sui soffi cardiaci tradizionalmente ricercati rappresenta un cambio di paradigma metodologico, aiutando a riconoscere la malattia in fasi più precoci rispetto all'auscultazione tradizionale.