L’intelligenza artificiale per l'infarto entra in una fase più concreta, superando la sola diagnosi o il supporto all’imaging per concentrarsi sulla previsione del rischio dopo il trattamento. Il progetto PERISCOPE, presentato all’ESC Digital & AI Summit, ha sviluppato modelli di machine learning per stimare la mortalità in ospedale e nei sei mesi successivi a un infarto STEMI, una forma grave in cui una o più coronarie sono completamente ostruite. L'aspetto innovativo risiede nel momento della valutazione: non all’arrivo del paziente, bensì dopo la procedura di angioplastica coronarica (PCI).
L'innovazione di PERISCOPE nella stratificazione del rischio
PERISCOPE, acronimo di Patient Risk StratifiCation for Post-STEMI Complications, è stato concepito per colmare un limite degli attuali sistemi di valutazione clinica. Mentre strumenti come GRACE 2.0 calcolano il rischio basandosi su dati raccolti all'ingresso del paziente, prima dell'intervento, PERISCOPE mira a identificare il rischio residuo dopo la rivascolarizzazione. In questa fase, la terapia ha già modificato il quadro clinico, ma una parte dei pazienti può rimanere in una condizione di fragilità.
L'addestramento del modello è avvenuto utilizzando il vasto database statunitense PREMIER PINC AI Healthcare Database, con un campione di 38.489 pazienti.
È stato poi testato su TriNetX, che include 119.035 pazienti, e validato esternamente con i dati elettronici dell’Amsterdam UMC, riguardanti 6.776 pazienti. L'impiego di tre database distinti è cruciale per assicurare che l'AI per infarto mantenga prestazioni solide e affidabili in contesti sanitari non identici, garantendo la sua generalizzabilità.
PERISCOPE: risultati e confronto con GRACE 2.0
I modelli PERISCOPE hanno dimostrato di superare GRACE 2.0 nella previsione della mortalità sia intraospedaliera che a sei mesi. Nei tre database esaminati, la mortalità in ospedale ha mostrato variazioni tra il 6,6% e il 9,9%, mentre quella a sei mesi si è attestata tra l'11,4% e il 23,7%. L'efficacia del modello nel distinguere tra pazienti a rischio elevato e ridotto è stata misurata tramite l'area sotto la curva ROC.
È fondamentale sottolineare che questa innovazione non rappresenta una sostituzione immediata del giudizio clinico. Piuttosto, PERISCOPE si configura come un prezioso strumento di triage, in grado di identificare i pazienti che necessitano di un monitoraggio più intensivo, di una degenza ospedaliera prolungata o di un follow-up ravvicinato dopo la dimissione. Questo posiziona il progetto nel campo della medicina predittiva, lontano dall'automazione decisionale.
L'impatto dell'AI per l'infarto sulla sanità digitale
Il progetto PERISCOPE evidenzia una tendenza più ampia nell'ambito dell'intelligenza artificiale sanitaria: un'evoluzione dalla semplice interpretazione delle immagini alla gestione complessiva del percorso del paziente.
La capacità di un algoritmo di individuare precocemente i soggetti a rischio permette agli ospedali di ottimizzare l'allocazione delle risorse cliniche, migliorando l'efficienza e la qualità dell'assistenza.