L’Intelligenza Artificiale per predire gli eventi avversi dopo una sindrome coronarica acuta

HomeForum sulla intelligenza artificiale

L’Intelligenza Artificiale per predire gli eventi avversi dopo una sindrome coronarica acuta

La ricerca della Cardiologia delle Molinette per individualizzare le strategie di trattamento

Nuovi strumenti su cui costruire una medicina di precisione, per migliorare l’outcome dei pazienti ed agevolare il clinico ospedaliero nella pratica quotidiana: un percorso promettente con numerose sfide culturali, etiche e professionali da affrontare

L’intelligenza artificiale (Artificial Intelligence, AI) comprende una vasta gamma di tecnologie con gradi eterogenei di complessità, potenzialità e applicazioni. Queste tecnologie permettono ai computer di imparare rappresentazioni efficienti dei dati, traducendosi in un’efficace individuazione e quantificazione delle relazioni tra le variabili, codificate da specifici algoritmi. Nell’ambito della medicina cardiovascolare, questi algoritmi hanno la potenzialità di essere tradotti in numerose applicazioni, con lo scopo ultimo di migliorare sia la precisione diagnostica sia la cura del paziente. È proprio questo l’ambito di ricerca che presso la Cardiologia dell’A.O.U. Città della Salute e della Scienza di Torino abbiamo deciso di approfondire, con lo scopo di sviluppare degli strumenti che siano in grado di fornire al clinico un valido supporto negli iter diagnostici, di valutazione del rischio e di decisione terapeutica, sia per migliorare l’outcome dei pazienti sia per agevolare la pratica quotidiana del Cardiologo ospedaliero. La prima linea di ricerca che abbiamo sviluppato e che è culminata con buon auspicio con la pubblicazione di un lavoro originale su The Lancet1 (Figura 1), nasce dalla necessità clinica di individualizzare la strategia terapeutica antitrombotica dopo una sindrome coronarica acuta in una popolazione real-life composta sempre di più da pazienti complessi, in cui il rischio di re-evento ischemico e di sanguinamento sono entrambi frequentemente elevati. Il progetto è stato sviluppato grazie alla collaborazione, guidata dal Prof. De Ferrari, con il Dipartimento di Computer Sciences dell’Università di Torino ed il Dipartimento di Ingegneria Meccanica e Aerospaziale del Politecnico di Torino. La natura multidisciplinare di questo team, composto da esperti clinici, informatici e di intelligenza artificiale è stata la carta vincente per sviluppare un algoritmo con delle capacità predittive fino ad ora mai descritte.

Abstract dell’articolo “Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets” (Fabrizio D’Ascenzo, Ovidio De Filippo, Guglielmo Gallone, Gianluca Mittone, Marco Agostino Deriu, Mario Iannaccone, et al.)

Per sviluppare l’algoritmo abbiamo utilizzato una ampia popolazione europea di circa 20.000 pazienti affetti da infarto miocardico acuto, con disponibile un ampio set di caratteristiche cliniche, funzionali, angiografiche e terapeutiche, nonché gli eventi avversi (infarti miocardici, sanguinamenti maggiori, morte) verificatisi nei primi due anni dopo la sindrome coronarica acuta indice. Questa ampia mole di caratteristiche di base dei pazienti è stata “data in pasto” a diversi algoritmi di intelligenza artificiale in grado di valutare complesse relazioni nonlineari tra le variabili. Al termine di questo processo è stato possibile attribuire ad ogni paziente, sulla base delle sue caratteristiche, una stima del rischio percentuale di infarto miocardico, sanguinamento e mortalità ad uno e due anni. Tra i vari modelli di intelligenza artificiale addestrati, quello migliore (il “PRAISE score”) è stato poi saggiato su di una popolazione indipendente di circa 3.000 pazienti. Il PRAISE score così sviluppato ha dimostrato di predire l’infarto miocardico, i sanguinamenti maggiori e la mortalità nel primo anno con un’accuratezza pari al 80-90%, estremamente più elevata di qualsiasi precedente score sviluppato le cui massime accuratezze si aggirano intorno al 60-70%. La Figura 2 illustra i risultati relativi alla capacità predittiva per i tre eventi analizzati.

Rischio osservato degli eventi avversi per ogni decile di rischio predetto secondo i PRAISE scores

A determinare il rischio degli eventi futuri, concorrono 25 diverse caratteristiche di ogni singolo paziente, che i computer hanno analizzato e che sono presenti nell’algoritmo finale. Tuttavia, alcuni fattori sono più importanti degli altri e questa importanza varia a seconda dell’evento avverso che si vuole prevedere, concetto ben visibile nella Figura 3 che mostra graficamente l’importanza relativa delle principali caratteristiche cliniche nel determinare il rischio totale. Uno dei grandi meriti del PRAISE score è quello di essere stato sviluppato per prevedere entrambi i rovesci della medaglia del rischio residuo di un paziente, l’infarto ed il sanguinamento maggiore, dal momento che il rapporto rischio beneficio di una strategia terapeutica antitrombotica in termini di potenza e durata è dipendente da entrambe le componenti.

Grafico a radar degli 8 predittori più importanti per ogni tipo di evento clinico

Inoltre, dal momento che uno dei nostri scopi è l’agevolazione del clinico nella sua pratica quotidiana, soprattutto nelle realtà complesse dei centri territoriali, è stato creato un tool online

che permetta il rapido calcolo del rischio di infarto, sanguinamento e mortalità ad un anno prima della dimissione relativa alla sindrome coronarica acuta indice, per supportare il clinico nella scelta della strategia antitrombotica. Una delle grandi sfide dei prossimi anni sarà la reale implementazione del PRAISE score, come di numerosi altri utili strumenti basati sull’AI recentemente sviluppati, nella pratica clinica del Cardiologo in tutti i contesti di lavoro. Questa sfida risulta complessa per numerose ragioni che si sviluppano sul piano burocratico, professionale ed etico. In particolare, è fondamentale la validazione di ogni strumento attraverso la dimostrazione della reale superiorità di una strategia guidata dall’AI rispetto allo standard of care. In questo senso, noi stessi che abbiamo sviluppato l’algoritmo, lo utilizziamo nella pratica clinica come strumento di supporto nelle scelte decisionali, ma sempre in maniera subordinata a quanto attualmente raccomandato dalle linee guida. In secondo luogo, il clinico è spesso diffidente verso l’utilizzo di uno strumento il cui output è frutto di un algoritmo “a scatola chiusa” non sempre interpretabile. A questo proposito, sarà fondamentale (ben più che lo sviluppo di nuovi strumenti basati sull’AI) un processo di permeazione culturale dell’ambiente medico ad ogni livello ed in diverse forme finalizzato a rendere il clinico in grado di comprendere lo strumento e di valutarne l’affidabilità ed i reali vantaggi legati al suo utilizzo. Questo passo è imprescindibile per il reale sviluppo dell’AI come strumento di lavoro e deve passare attraverso l’offerta formativa delle società nazionali ed internazionali di Cardiologia e la condivisione ed i dibattiti, come quello offerto nella rubrica dedicata di “Cardiologia negli Ospedali”. Quali sono i passi successivi dopo questo importante risultato? Da un lato, puntiamo ora a condurre, in un futuro vicino, il primo studio prospettico e randomizzato al mondo sull’utilizzo di un punteggio di rischio come il PRAISE quale criterio per decidere le strategie di trattamento nei pazienti dopo infarto miocardico acuto. Dall’altro, stiamo già lavorando a diversi progetti in ambito coronarico, scompensologico ed aritmologico focalizzati sull’interpretazione di immagini, automatizzata mediante sistemi AI.

Referenze
1. D’Ascenzo F, Filippo O De, Gallone G, et al. Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets. Lancet 2021;397:199–207.

Autori

, ,