Simona Giubilato, Lucio Giuseppe Granata, Salvatore Massimo Petrina

Riassunto. Le malattie cardiovascolari restano la principale causa di mortalità e morbilità in Italia e a livello globale. La prevenzione cardiovascolare è una priorità strategica, ma permane un divario significativo tra raccomandazioni delle linee guida e implementazione nella pratica clinica. L’intelligenza artificiale (IA), attraverso modelli di machine learning e deep learning, sta emergendo come tecnologia potenzialmente trasformativa per colmare questo gap, consentendo una stratificazione del rischio più precisa, dinamica e personalizzata rispetto agli score tradizionali. La presente rassegna analizza le evidenze più recenti sull’impiego dell’IA nella prevenzione cardiovascolare, con focus su stratificazione del rischio, diagnosi precoce di patologia subclinica e identificazione dei soggetti che possano trarre maggior beneficio da interventi mirati. Vengono esaminati: i limiti degli score convenzionali e il contributo dei nuovi determinanti di rischio (biomarcatori digitali, dati genetici, dispositivi indossabili); il ruolo dell’ECG potenziato dall’IA nella rilevazione di fibrillazione atriale subclinica, disfunzione ventricolare sinistra e malattia coronarica; il potenziale dell’imaging opportunistico (radiografia e tomografia computerizzata [TC] del torace, TC coronarica, mammografia) per l’aterosclerosi subclinica; l’integrazione dell’IA nei percorsi assistenziali, nelle cartelle cliniche elettroniche, nei sistemi di supporto decisionale e nelle reti di telemonitoraggio. Nel complesso, l’IA delinea il passaggio da una cardiologia reattiva a un modello predittivo, proattivo e di precisione. La traslazione nella pratica clinica richiede tuttavia evidenze prospettiche solide, trial randomizzati, validazione in popolazioni eterogenee, maggiore interpretabilità dei modelli e adeguate infrastrutture digitali e regolatorie.