L'intelligenza artificiale di Oxford rileva il rischio di insufficienza cardiaca precoce tramite TAC di routine con una precisione dell'86% su 72,000 pazienti.
In Breve
I ricercatori dell'Università di Oxford hanno sviluppato un sistema di intelligenza artificiale in grado di rilevare sottili e invisibili cambiamenti nel grasso cardiaco tramite TAC di routine, prevedendo il rischio di insufficienza cardiaca fino a cinque anni in anticipo con una precisione dell'86% su un campione di 72,000 pazienti.
I ricercatori del Università di Oxford È stato sviluppato un sistema di intelligenza artificiale in grado di stimare il rischio di insufficienza cardiaca di un paziente con un anticipo fino a cinque anni, raggiungendo un'accuratezza dell'86% nella validazione su oltre 72,000 pazienti. L'approccio non richiede ulteriori test, interventi specialistici o nuove apparecchiature mediche, poiché si basa su tomografie computerizzate cardiache già eseguite di routine nella pratica clinica.
Lo studio, guidato dal professor Charalambos Antoniades e pubblicato sul Journal of the American College of Cardiology, affronta un limite di lunga data in cardiologia: l'insufficienza cardiaca viene solitamente diagnosticata solo dopo che si sono già verificati danni strutturali significativi, momento in cui le opzioni preventive sono spesso limitate. Il sistema proposto sposta l'attenzione sui cambiamenti biologici precoci che precedono di diversi anni la comparsa di sintomi visibili.
Al centro del modello si trova una fonte di dati non convenzionale: il tessuto adiposo che circonda il cuore, noto come tessuto adiposo pericardico. Sebbene tradizionalmente trascurato nelle analisi di routine delle scansioni, questo tessuto sembra riflettere i cambiamenti infiammatori e metabolici che si verificano nel muscolo cardiaco stesso.
Secondo i ricercatori, questi depositi di grasso modificano gradualmente la loro consistenza in risposta allo stress del sistema cardiovascolare, creando schemi non rilevabili attraverso la normale interpretazione umana delle immagini diagnostiche. Il sistema di intelligenza artificiale è progettato per identificare queste sottili variazioni e tradurle in una stima quantificata del rischio di insufficienza cardiaca futura.
Leggere i segnali che l'occhio umano non può vedere
La tomografia computerizzata cardiaca (TC) è ampiamente utilizzata nel Servizio Sanitario Nazionale del Regno Unito per indagare il dolore toracico e valutare la malattia coronarica, con centinaia di migliaia di scansioni eseguite ogni anno. Nei tipici flussi di lavoro clinici, i radiologi si concentrano principalmente sulle ostruzioni arteriose e sulle anomalie visibili, mentre il tessuto adiposo circostante riceve un'attenzione analitica limitata.
Il modello di Oxford riutilizza questo strato di dati trascurato analizzando le caratteristiche di consistenza del grasso pericardico. Utilizzando tecniche di apprendimento automatico addestrate su dati TC anonimizzati di oltre 59,000 pazienti del Servizio Sanitario Nazionale (NHS), il sistema ha imparato ad associare specifici modelli di imaging al successivo sviluppo di insufficienza cardiaca in periodi di follow-up a lungo termine.
Nei test di validazione che hanno coinvolto altri 13,424 pazienti, il modello ha prodotto un tasso di accuratezza dell'86% nella previsione del rischio di insufficienza cardiaca a cinque anni. È emerso che gli individui classificati nel gruppo a più alto rischio avevano una probabilità circa 20 volte maggiore di sviluppare la patologia rispetto a quelli nella categoria a più basso rischio, con una probabilità stimata di insorgenza entro cinque anni pari a una su quattro.
È importante sottolineare che il sistema genera automaticamente i punteggi di rischio, senza richiedere l'intervento manuale dei medici. Ciò lo rende un potenziale strumento di supporto alle decisioni, piuttosto che un sostituto dei processi diagnostici esistenti.
Dalle scansioni cardiache a qualsiasi TAC toracica: un percorso verso il Servizio Sanitario Nazionale (NHS).
L'obiettivo più ampio della ricerca è quello di estendere la tecnologia oltre le immagini specifiche del cuore. Il team sta attualmente lavorando all'adattamento del modello per analizzare le scansioni TC toraciche standard, comprese quelle utilizzate nello screening del tumore al polmone e nella diagnostica respiratoria. Dato il volume significativamente maggiore di immagini TC toraciche rispetto alle scansioni specifiche del cuore, tale adattamento potrebbe aumentare sostanzialmente la portata del sistema.
Dal punto di vista clinico, le implicazioni sono legate a un intervento più precoce. Identificando i pazienti ad alto rischio anni prima della comparsa dei sintomi, gli operatori sanitari potrebbero adattare le strategie di monitoraggio, avviare trattamenti preventivi in anticipo e allocare le risorse in modo più efficace. Considerando che l'insufficienza cardiaca colpisce già più di un milione di persone nel Regno Unito, il potenziale impatto sulla domanda di assistenza sanitaria a lungo termine è considerevole.
Sono in corso le procedure per ottenere l'approvazione normativa per l'integrazione nei flussi di lavoro radiologici di routine all'interno del Servizio Sanitario Nazionale (NHS). Se adottato, il sistema opererebbe in background durante le procedure di diagnostica per immagini standard, producendo valutazioni automatiche del rischio senza costi aggiuntivi o modifiche ai protocolli di scansione.
La ricerca è stata finanziata dalla British Heart Foundation e dal National Institute for Health and Care Research Biomedical Research Centre di Oxford. Essa riflette un cambiamento più ampio nell'imaging medico, dove l'intelligenza artificiale viene sempre più utilizzata non solo per rilevare malattie esistenti, ma anche per dedurre il rischio futuro da segnali biologici sottili, precedentemente sottoutilizzati, presenti nelle scansioni di routine.
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Alisa, una giornalista dedicata al MPost, è specializzato in criptovalute, IA, investimenti e nell'ampio regno di Web3. Con un occhio attento alle tendenze e alle tecnologie emergenti, offre una copertura completa per informare e coinvolgere i lettori nel panorama in continua evoluzione della finanza digitale.
Altri articoli
Alisa, una giornalista dedicata al MPost, è specializzato in criptovalute, IA, investimenti e nell'ampio regno di Web3. Con un occhio attento alle tendenze e alle tecnologie emergenti, offre una copertura completa per informare e coinvolgere i lettori nel panorama in continua evoluzione della finanza digitale.
