Infarto, algoritmo batte il medico per prevenire la morte

Infarto, algoritmo batte il medico per prevenire la morte

Si avvicina l'era dei robot in camice bianco. Un sistema di intelligenza artificiale si sta infatti rivelando molto accurato nella capacità di prevedere il rischio di morte o infarto di un paziente con dolore al petto. Più del medico in carne e ossa. È quanto emerge da uno studio presentato a Lisbona, in occasione della Conferenza internazionale sulla cardiologia nucleare e Cardiac CT (Icnc), co-organizzata dall'American Society of Nuclear Cardiology, dall'Associazione europea di imaging cardiovasculare (Eacvi) della Società europea di cardiologia (Esc) e dall'Associazione europea di medicina nucleare (Eanm).
Analizzando ripetutamente 85 variabili in 950 pazienti con dolore al petto e dati sanitari noti e relativi a 6 anni, un algoritmo ha identificato i modelli correlati alle variabili relative ad eventi come la morte o l'attacco cardiaco, con una precisione superiore al 90%. L'apprendimento automatico, alla base dell'intelligenza artificiale (Ai), ormai viene utilizzato ogni giorno. Il motore di ricerca di Google, il riconoscimento facciale sullo smartphone, le auto a guida autonoma, i sistemi che suggeriscono cosa potrebbe piacerti su Netflix e Spotify utilizzano algoritmi di apprendimento automatico per adattare le opzioni al singolo utente.

«Questi progressi vanno ben oltre ciò che è stato fatto finora in medicina, dove dobbiamo essere cauti su come valutiamo i rischi e i risultati - ammette l'autore dello studio, Luis Eduardo Juarez-Orozco, del Turku Pet Centre, in Finlandia - ma in ogni caso non stiamo ancora sfruttando appieno» questa possibilità. I medici usano i punteggi di rischio per prendere delle decisioni terapeutiche. Ma questi punteggi si basano su una manciata di variabili e spesso hanno una precisione modesta a livello di singolo paziento. Attraverso analisi di numeri imponenti, ripetizioni e aggiustamenti, l'apprendimento automatico può 'navigarè all'interno di grandi quantità di dati e identificare modelli complessi che potrebbero non essere evidenti agli occhi dei medici.

«Gli uomini hanno difficoltà a pensare oltre le 3 dimensioni (un cubo) o le 4 dimensioni (un cubo nel tempo). Nel momento in cui saltiamo nella quinta dimensione ci perdiamo - commenta Juarez-Orozco - Ebbene, i modelli ad alta dimensionalità sono più utili di quelli a singola dimensione per prevedere i risultati nei singoli, per questo abbiamo bisogno dell'apprendimento automatico».

Lo studio ha coinvolto 950 pazienti con dolore toracico che hanno subito il protocollo abituale del centro per una diagnosi di malattia coronarica. Esami diagnostici coronarici hanno prodotto 58 elementi sulla presenza di placca coronarica, restringimento dei vasi e calcificazioni. I pazienti con scansioni sospette sono stati sottoposti a una tomografia a emissione di positroni (Pet) che ha prodotto 17 variabili relative al flusso sanguigno. Dieci altre variabili sono state ottenute dalle cartelle cliniche, sulla base di dati come sesso, età, fumo e diabete. Durante un follow-up medio di 6 anni ci sono stati 24 attacchi di cuore e 49 decessi. Le 85 variabili sono state inserite in un algoritmo di apprendimento automatico chiamato LogitBoost, che le ha analizzate più e più volte, fino a trovare lo schema migliore per riconoscere chi aveva avuto un infarto o era morto. «L'algoritmo apprende progressivamente dai dati e, dopo numerosi cicli di analisi, individua gli schemi dimensionali che dovrebbero essere utilizzati per identificare in modo efficiente i pazienti a rischio», conclude l'autore. Il tutto con un'accuratezza complessiva di oltre il 90%.

Lunedì 13 Maggio 2019, 16:40
© RIPRODUZIONE RISERVATA