I ricercatori della Cardiologia Universitaria dell’Ospedale Molinette di Torino, del Dipartimento di Informatica dell’Università di Torino e del Dipartimento di Meccanica e Aerospaziale del Politecnico di Torino hanno applicato il Machine Learning, secondo il quale i computer imparano progressivamente dai dati che vengono loro forniti, migliorando sempre più le loro capacità predittive, per predire il rischio di eventi futuri (morte per ogni causa, infarto miocardico, emorragia grave) nei pazienti sopravissuti a un infarto. I dati clinici relativi a 25 variabili di rischio registrate in 19826 pazienti infartuati provenienti da diversi Paesi sono stati analizzati con algoritmi di Machine Learning, che usano metodi matematico-computazionali per apprendere informazioni direttamente dai dati, senza conoscere nulla a priori sulle possibili relazioni tra i dati stessi. Il modello fornito dagli algoritmi di Machine Learning è stato poi utilizzato per predire i futuri eventi in una coorte di 3444 pazienti neoinfartuati.
Durante il follow-up di un anno dei neoinfartuati sono stati riscontrati 58 decessi (1.7%), 58 infarti del miocardio (1.7%) e 27 emorragie gravi (0.8%). Il modello di Machine Learning ha predetto correttamente il 92% dei decessi (95%CI 0.90-0.93), l’81% degli infarti (95%CI 0.76-0.85) e l’86% delle emorragie gravi (95%CI 0.82-0.89).
Lo studio fornisce un’importante, benché ancora preliminare, dimostrazione delle possibilità dell’Intelligenza Artificiale in medicina e in cardiologia, suggerendo che in un prossimo futuro cura e prevenzione nel paziente cardiovascolare possano trarre grande giovamento dalla combinazione di esperienza clinica e stime sempre più precise del rischio individuale futuro.
Lancet (IF=60.390) 397:199,2021. doi: 10.1016/S0140-6736(20)32519-8.