L'intelligenza artificiale automatizza la diagnosi di gravi malattie della valvola cardiaca < Yale School of Medicine

I ricercatori del laboratorio Cardiovascolare Data Science (CarDS) hanno sviluppato un nuovo approccio in grado di rilevare una comune malattia cardiaca valvolare nota come stenosi aortica grave dalle scansioni ecografiche del cuore. Lo studio, pubblicato il 23 agosto sull'European Heart Journal, potrebbe avere implicazioni per l'assistenza clinica di routine.

La stenosi aortica grave, o AS, è un grave disturbo di salute, in particolare tra gli anziani, causato da un restringimento della valvola aortica. La diagnosi precoce può consentire interventi per alleviare i sintomi e ridurre il rischio di ricovero ospedaliero e di morte prematura. L’ecografia specializzata del cuore, chiamata ecocardiografia doppler, è il test principale per rilevare l’AS. Il team ha sviluppato un modello di deep learning in grado di utilizzare scansioni ecografiche cardiache più semplici per rilevare automaticamente la SA grave.

La tecnologia è stata sviluppata dall'autore senior dello studio, Rohan Khera, MD, MS, assistente professore di medicina cardiovascolare e informatica sanitaria e direttore del CarDS Lab, insieme ai colleghi del Dipartimento di ingegneria elettrica e informatica della famiglia Chandra presso l'Università di Texas ad Austin. Il lavoro ha incorporato 5.257 studi che includevano 17.570 video tra il 2016 e il 2020 presso lo Yale New Haven Hospital. Il modello è stato validato esternamente da 2.040 studi consecutivi provenienti da diverse coorti nel New England e in California.

“La nostra sfida è che una valutazione precisa dell’AS è fondamentale per la gestione del paziente e la riduzione del rischio. Sebbene i test specialistici rimangano il gold standard, la dipendenza da coloro che si rivolgono ai nostri laboratori ecocardiografici probabilmente non aiuta le persone nelle prime fasi del loro stato di malattia”, ha affermato Khera.

"Il nostro obiettivo era sviluppare un approccio di apprendimento automatico che fosse adatto allo screening ecografico presso il punto di cura", ha affermato il co-primo autore dello studio Evangelos Oikonomou, MD, DPhil, un ricercatore di cardiologia e attuale ricercatore post-dottorato presso il CarDS Lab .

Il loro lavoro consente la diagnosi precoce della stenosi aortica in modo che i pazienti possano ricevere cure tempestive. “Il nostro lavoro può consentire uno screening comunitario più ampio per l’AS poiché gli ultrasuoni portatili possono essere sempre più utilizzati senza la necessità di attrezzature più specializzate. Vengono già utilizzati frequentemente nei reparti di emergenza e in molti altri contesti assistenziali”, ha aggiunto Khera.

Il progresso è il risultato di una stretta collaborazione tra ricercatori clinici e scienziati informatici. Greg Holste, uno studente di dottorato presso l'UT Austin co-consulente da Khera, ha guidato lo sviluppo di una metodologia innovativa che ha abilitato la tecnologia ed è stato uno dei primi autori dello studio. “Per consentire uno sviluppo pratico che sfrutti la tecnologia emergente per migliorare l’assistenza clinica, tale collaborazione multidisciplinare è essenziale”, ha sottolineato Khera.

Questo studio è stato finanziato in parte da una sovvenzione del National Heart, Lung, and Blood Institute del National Institutes of Health premio K23HL153775.