Blog

Aug 17, 2023

L’intelligenza artificiale automatizza la diagnosi di gravi malattie della valvola cardiaca

25 agosto 2023 Questo articolo è stato rivisto in base al processo editoriale e alle politiche di Science X. Gli editori hanno evidenziato i seguenti attributi garantendo al tempo stesso la credibilità del contenuto:

25 agosto 2023

Questo articolo è stato rivisto in base al processo editoriale e alle politiche di Science X. Gli editori hanno evidenziato i seguenti attributi garantendo al tempo stesso la credibilità del contenuto:

verificato

pubblicazione sottoposta a revisione paritaria

fonte attendibile

correggere le bozze

di Elisabeth Reitman, Università di Yale

I ricercatori del laboratorio Cardiovascolare Data Science (CarDS) hanno sviluppato un nuovo approccio in grado di rilevare una comune malattia cardiaca valvolare nota come stenosi aortica grave dalle scansioni ecografiche del cuore. Lo studio, pubblicato il 23 agosto sull'European Heart Journal, potrebbe avere implicazioni per l'assistenza clinica di routine.

La stenosi aortica grave, o AS, è un grave disturbo di salute, in particolare tra gli anziani, causato da un restringimento della valvola aortica. La diagnosi precoce può consentire interventi per alleviare i sintomi e ridurre il rischio di ricovero ospedaliero e di morte prematura.

L’ecografia specializzata del cuore, chiamata ecocardiografia doppler, è il test principale per rilevare l’AS. Il team ha sviluppato un modello di deep learning in grado di utilizzare scansioni ecografiche cardiache più semplici per rilevare automaticamente la SA grave.

La tecnologia è stata sviluppata da Rohan Khera, MD, MS, assistente professore di medicina cardiovascolare e informatica sanitaria, direttore del CarDS Lab e autore senior dello studio, e colleghi del Dipartimento di ingegneria elettrica e informatica della famiglia Chandra presso l'UT Austin, con 5.257 studi che includevano 17.570 video tra il 2016 e il 2020 presso lo Yale New Haven Hospital. Il modello è stato validato esternamente da 2.040 studi consecutivi provenienti da diverse coorti nel New England e in California.

"La nostra sfida è che una valutazione precisa dell'AS è fondamentale per la gestione del paziente e la riduzione del rischio. Sebbene i test specialistici rimangano il gold standard, fare affidamento su coloro che si rivolgono ai nostri laboratori ecocardiografici probabilmente non aiuta le persone nelle prime fasi del loro stato di malattia", ha affermato Khera.

"Il nostro obiettivo era sviluppare un approccio di apprendimento automatico che fosse adatto allo screening ecografico presso il punto di cura", ha affermato il co-primo autore dello studio Evangelos Oikonomou, MD, DPhil, ricercatore di cardiologia e attuale ricercatore post-dottorato presso il CarDS Lab .

Il loro lavoro consente la diagnosi precoce della stenosi aortica in modo che i pazienti possano ricevere cure tempestive. "Il nostro lavoro può consentire uno screening comunitario più ampio per l'AS poiché gli ultrasuoni portatili possono essere sempre più utilizzati senza la necessità di attrezzature più specializzate. Vengono già utilizzati frequentemente nei reparti di emergenza e in molti altri contesti assistenziali", ha aggiunto Khera.

Il progresso è il risultato di una stretta collaborazione tra ricercatori clinici e scienziati informatici. Greg Holste, un dottorato di ricerca. studente presso l'UT Austin, co-consultato dal Dr. Khera, che ha guidato lo sviluppo di una metodologia innovativa che ha abilitato la tecnologia ed è stato un co-primo autore dello studio. "Per consentire uno sviluppo pratico che sfrutti la tecnologia emergente per migliorare l'assistenza clinica, tale collaborazione multidisciplinare è essenziale", ha sottolineato il dottor Khera.