L’intelligenza artificiale per la diagnosi di sindrome coronarica acuta

Ciro Indolfi, Carmen Spaccarotella, Antonio Curcio, Alberto Polimeni, Domenico Simone Castiello, Giovanni Esposito

Riassunto. L’intelligenza artificiale (IA) sta assumendo un ruolo crescente nella diagnosi e gestione dell’infarto miocardico acuto. Il principale obiettivo è consentire una diagnosi più precoce e accurata, migliorando l’interpretazione dell’ECG, accelerando i tempi di rivascolarizzazione e migliorando la prognosi dei pazienti. L’ECG rappresenta il substrato ideale per l’applicazione del deep learning grazie all’ampia disponibilità di tracciati in formato digitale, alla presenza di diagnosi associate e di numerose variabili cliniche. Alcuni sistemi consentono persino l’analisi automatica di fotografie di ECG cartacei, processate tramite algoritmi di deep learning. Le evidenze attuali indicano che: a) nell’infarto miocardico con sopraslivellamento del tratto ST, l’IA raggiunge sensibilità e specificità superiori rispetto a un cardiologo esperto, con un’accuratezza ormai vicina alla pratica clinica; b) nell’infarto senza sopraslivellamento del tratto ST, l’eterogeneità clinica riduce la precisione diagnostica, ma l’IA mantiene un potere discriminativo significativo, utile soprattutto come supporto al medico; c) ulteriori applicazioni emergenti riguardano la capacità di predire l’occlusione completa del vaso responsabile e l’identificazione della coronaria colpita; d) algoritmi avanzati possono stimare parametri funzionali come la frazione di eiezione e il lo strain longitudinale globale, arricchendo la stratificazione prognostica. In conclusione, l’IA applicata all’ECG si configura come uno strumento innovativo per la diagnosi tempestiva delle sindromi coronariche acute. La sua implementazione nella pratica clinica potrà supportare il cardiologo sia nella conferma di diagnosi incerte sia nella rapida selezione dei pazienti da avviare a rivascolarizzazione.