Secondo una nuova ricerca dell’Università di Edimburgo pubblicata su Nature Medicine, un algoritmo sviluppato utilizzando l’intelligenza artificiale potrebbe presto essere utilizzato dai medici per diagnosticare un infarto con una velocità e una precisione senza precedenti.
L’efficacia dell’algoritmo, denominato CoDE-ACS, è stata testata su 10.286 pazienti in sei paesi del mondo. Le informazioni raccolte sui pazienti sono quelle di routine, come età, sesso, risultati dell’ECG e anamnesi, nonché livelli di troponina, per prevedere la probabilità che un individuo abbia avuto un infarto. Il risultato è un punteggio di probabilità da 0 a 100 per ciascun paziente. I ricercatori hanno scoperto che, rispetto agli attuali metodi di test, CoDE-ACS è stato in grado di escludere un infarto in più del doppio del numero dei soggetti, con una precisione del 99,6%.
La conseguenza più immediata di questa velocità nell’escludere gli infarti potrebbe essere una riduzione dei ricoveri ospedalieri. In questa prospettiva è attualmente in corso in Scozia una serie di studi con il supporto del Wellcome Leap per valutare se lo strumento sia realmente in grado di aiutare i medici a diminuire la pressione sui dipartimenti di emergenza.
L’attuale gold standard per la diagnosi di un attacco di cuore è misurare i livelli di troponina nel sangue. Ma la stessa soglia viene utilizzata per ogni paziente. Questo significa che fattori come l’età, il sesso e altri problemi di salute che influenzano i livelli di troponina non vengono presi in considerazione, influenzando l’accuratezza delle diagnosi di infarto.
Questo può portare a disuguaglianze nella diagnosi. Ad esempio, una precedente ricerca ha dimostrato che le donne hanno il 50% in più di probabilità di ottenere una diagnosi iniziale sbagliata. Le persone che inizialmente ricevono una diagnosi errata hanno un rischio maggiore del 70% di morire dopo 30 giorni. Il nuovo algoritmo è un’opportunità per impedirlo. Lo strumento di IA infatti ha funzionato bene indipendentemente dall’età, dal sesso o dalle condizioni di salute preesistenti, mostrando tutto il suo potenziale per ridurre le diagnosi errate e le disuguaglianze nella popolazione.
Oltre a escludere gli infarti, CoDE-ACS potrebbe anche aiutare i medici a identificare i soggetti i cui livelli anormali di troponina sono dovuti ad altre condizioni.
“Per i pazienti con dolore toracico acuto dovuto a un attacco di cuore, la diagnosi precoce e il trattamento salvano la vita. Sfortunatamente, molte condizioni causano questi sintomi comuni e la diagnosi non è sempre semplice. Sfruttare i dati e l’intelligenza artificiale per supportare le decisioni cliniche ha un enorme potenziale per migliorare l’assistenza ai pazienti e l’efficienza nei nostri affollati dipartimenti di emergenza”, spiega Nicholas Mills, professore di cardiologia presso il Center for Cardiovascular Science dell’Università di Edimburgo, che ha guidato la ricerca.
Fonte
Doudesis D et al.; CoDE-ACS Investigators. Machine learning for diagnosis of myocardial infarction using cardiac troponin concentrations. Nat Med. 2023 May 11. doi: 10.1038/s41591-023-02325-4. Epub ahead of print. PMID: 37169863.