Una revisione pubblicata di recente discute in modo esaustivo l’impatto dell’intelligenza artificiale (AI) sulla pratica clinica nella cardiologia interventistica (IC), con un focus sui progressi recenti.
Sebbene lo sviluppo dell’AI sia ancora agli inizi, le nuove tecnologie promettono miglioramenti significativi nella sicurezza del paziente, nella stratificazione del rischio e nei risultati terapeutici. Gli obiettivi principali includono l’integrazione di più modalità di imaging cardiaco, l’istituzione di sistemi di supporto decisionale online e la creazione di sistemi medici automatizzati per fornire dati sanitari elettronici. L’uso dell’AI in IC può essere suddiviso in due aree principali: virtuale (elaborazione di immagini mediche, processo decisionale) e fisica (procedure interventistiche robotiche). Numerosi studi hanno dimostrato il potenziale dell’IA nell’interpretazione e nell’analisi automatica di varie modalità cardiache, migliorando in modo significativo il processo terapeutico.
L’intelligenza artificiale (AI), in particolare l’apprendimento automatico (ML), consente l’elaborazione e l’analisi in tempo reale di grandi quantità di dati medici e rivoluzionerà il sistema sanitario. L’AI si sta sviluppando rapidamente, soprattutto nel campo della cardiologia, dall’interpretazione dell’elettrocardiogramma (ECG) ai sistemi di supporto decisionale clinico per gli interventi cardiologici. La maggior parte dei dispositivi basati sull’AI/ML approvati dalla Food and Drug Administration (FDA) statunitense riguarda la radiologia e la cardiologia. Questi dispositivi consentono ai cardiologi di implementare un approccio complesso alle malattie cardiache, supportando la diagnosi precoce, la stratificazione del rischio del paziente prima di interventi mirati e il miglioramento generale della qualità delle cure. L’uso dell’AI in IC copre ogni fase del processo terapeutico, compresa la valutazione iniziale del dolore toracico e/o dello shock cardiogeno in ospedale, la pianificazione della strategia di intervento per una migliore navigazione e guida e la previsione del rischio del paziente e degli esiti potenziali. La natura specifica dell’IC offre ai medici molte modalità di imaging, comprese le valutazioni anatomiche e funzionali della malattia cardiaca strutturale. Pertanto, l’AI è considerata uno strumento tecnologico promettente che avrà un impatto significativo sulla ricostruzione, l’analisi e l’interpretazione delle immagini, portando a un miglioramento della disponibilità e della qualità dei dati sanitari e a ulteriori progressi nelle tecniche analitiche.
Metodologia della revisione
La metodologia di questa revisione sistematica si basa sulla dichiarazione PRISMA. Sono stati presi in considerazione pubblicazioni recenti, rapporti, protocolli e recensioni dai database Scopus e Web of Science. Sono state identificate le parole chiave “intelligenza artificiale, apprendimento automatico, realtà aumentata, realtà mista, realtà virtuale, metaverso, cardiologia, cardiologia interventistica, segmentazione, algoritmi di segmentazione, algoritmi di classificazione, etica, etica AI” e le loro variazioni. Nella prima fase, sono state valutate le caratteristiche del materiale, come il titolo e l’abstract, tenendo conto dei criteri di esclusione (ad esempio, sono state rimosse le dissertazioni e il materiale non rilevante dal punto di vista cardiologico, mentre sono stati considerati gli articoli full-text in inglese). Successivamente, sono stati recuperati e analizzati gli articoli e le relazioni tecniche che rispondevano ai criteri. In totale sono stati considerati 100 documenti.
Applicazione dell’intelligenza artificiale
Reti neurali artificiali (RNA): Le RNA sono nodi interconnessi che modellano i neuroni biologici come pesi tra i nodi. Migliorano la diagnosi e il trattamento delle malattie cardiovascolari automatizzando l’analisi delle immagini ecocardiografiche e della TAC cardiaca, il che aumenta l’accuratezza e riduce i tempi di rilevamento. Le RNA apprendono da grandi quantità di dati e predicono i risultati in base ai modelli, il che aiuta in modo significativo nella diagnosi precoce delle malattie. Nonostante i loro vantaggi, le RNA devono affrontare sfide come la necessità di grandi dati di addestramento e il rischio di overfitting. Sono state utilizzate con successo nella misurazione automatizzata della frazione di eiezione e della tensione longitudinale del ventricolo sinistro con elevata precisione e nella differenziazione della cardiomiopatia ipertrofica dall’ipertrofia fisiologica.
Reti neurali ricorrenti (RNN): Le RNN gestiscono e interpretano i dati sequenziali come le registrazioni ECG e il monitoraggio continuo della salute dei pazienti, prevedono i risultati degli interventi e aiutano a pianificare trattamenti efficaci. Le soluzioni basate sulle RNN, come DeepHeart, prevedono i rischi cardiovascolari utilizzando i dati dei dispositivi indossabili. Le RNN automatizzano anche la selezione del tempo di inversione miocardica, rendendo il processo diagnostico più efficiente.
Reti neurali convoluzionali (CNN): Le CNN elaborano immagini cardiovascolari complesse e migliorano l’accuratezza diagnostica e l’efficacia del trattamento. Sono fondamentali per l’analisi di angiogrammi ed ecocardiogrammi e per l’identificazione di modelli di malattie cardiache. Le CNN hanno dimostrato di avere successo nell’impianto di valvole aortiche transcatetere, nella classificazione degli ecocardiogrammi e nella segmentazione ventricolare e hanno avuto un impatto significativo sulla formazione medica e sul riconoscimento delle attività dei chirurghi.
Reti Neurali Spiking (SNN): Le SNN, reti ispirate al cervello per l’analisi di dati dinamici e informazioni dipendenti dal tempo, sono particolarmente efficaci nell’analisi dei segnali ECG. Identificano anomalie sottili per il rilevamento precoce delle aritmie e supportano interventi rapidi. La precisione delle SNN nel classificare i battiti cardiaci e nel rilevare i battiti extra ventricolari sottolinea la loro adattabilità in diversi contesti clinici.
Reti neurali profonde (DNN): Le DNN, con strati multipli tra ingresso e uscita, decifrano modelli complessi in grandi serie di dati e sono strumenti indispensabili nella moderna analisi medica. Rilevano modelli sottili nelle immagini diagnostiche e nelle cartelle cliniche dei pazienti e migliorano la valutazione degli interventi cardiologici. I metodi basati sulle DNN predicono accuratamente eventi medici multipli, valutano la gravità delle stenosi coronariche e migliorano la qualità diagnostica generando nuovi dati e riducendo il rumore nelle immagini TC.
Implicazioni etiche dell’IA nella cardiologia interventistica
L’uso dell’AI negli interventi cardiaci richiede un rigoroso esame etico, tenendo conto delle norme istituzionali e delle pratiche etiche dettagliate. Gli interventi cardiologici, spesso in situazioni di pericolo di vita, presentano dilemmi etici relativi alla rianimazione e alle implicazioni legali. Le raccomandazioni dell’AI aumentano la complessità della responsabilità e del processo decisionale. L’emergente tecnologia del gemello digitale, che rappresenta sistemi fisici in tempo reale, promette di analizzare serie di dati complessi e di suggerire percorsi terapeutici. Le questioni relative alla proprietà, al controllo e al processo decisionale dei gemelli digitali devono essere chiarite, richiedendo protocolli etici accessibili.
La regolamentazione dell’IA nell’assistenza sanitaria è in evoluzione, ma si concentra sull’IA spiegabile (XAI) e sull’IA affidabile (TAI). Le normative nazionali e internazionali, come la Lista di Valutazione Europea per l’Intelligenza Artificiale Affidabile (ALTAI), stanno cercando di tenere il passo con i rapidi sviluppi tecnologici. Le considerazioni etiche e tecniche sono fondamentali per l’integrazione dell’IA nella CI.
Approccio futuro: realtà aumentata e visualizzazione 3D supportata dall’IA
L’integrazione dell’AI nelle tecnologie immersive è fondamentale per gestire dati medici complessi e visualizzazioni 3D. Gli sviluppi attuali consentono la ricostruzione 3D degli organi, che è di grande importanza per la pratica clinica e la formazione. Le simulazioni guidate dall’AI addestreranno i cardiologi interventisti in un ambiente sicuro e miglioreranno le loro competenze. Le tecnologie immersive, combinate con l’AI, faciliteranno le riunioni di team cardiaci multidisciplinari a distanza, superando le barriere geografiche e migliorando l’erogazione dell’assistenza sanitaria.
Discussione e conclusioni
Il ruolo trasformativo dell’AI in IC migliora l’accuratezza diagnostica, i risultati del trattamento, il monitoraggio remoto e la formazione. I sistemi robotici guidati dall’AI supportano movimenti precisi durante le procedure, migliorano i risultati e riducono la fatica del medico. Tuttavia, occorre considerare le limitazioni, come la dipendenza dai dati e la mancanza di trasparenza. Le considerazioni etiche e la comprensione dei meccanismi dell’AI sono essenziali per un’integrazione efficace nel sistema sanitario. La combinazione di AI e IC promette di aumentare l’efficienza e l’accuratezza dell’imaging cardiovascolare, riducendo al contempo i costi. Nonostante le sfide che si presentano nella piena integrazione e nell’applicazione clinica, l’AI offre un enorme potenziale per migliorare l’assistenza sanitaria. Gli sviluppi futuri delle simulazioni guidate dall’AI e delle tecnologie immersive rivoluzioneranno la CI, forniranno soluzioni personalizzate, interattive ed efficienti e, in ultima analisi, trasformeranno la cardiologia e miglioreranno l’assistenza sanitaria.
Fonte: Rudnicka Z, Pręgowska A, Glądys K, et al.: Advancements in artificial intelligence-driven techniques for interventional cardiology. Cardiol J 2024; 31(2): 321–341. doi: 10.5603/cj.98650. Epub 2024 Jan 22. PMID: 38247435; PMCID: PMC11076027.
CARDIOVASC 2024; 23(2): 29–30
