L’IA può aiutare a personalizzare le cure dopo un infarto?

Dopo un infarto, non tutti i pazienti vanno incontro allo stesso percorso di salute. Un recente studio ha individuato tre diverse traiettorie nei cinque anni successivi all’evento e ha mostrato come l’intelligenza artificiale potrebbe aiutare a prevedere il percorso di ciascun paziente, fornendo informazioni utili per personalizzare sempre di più le cure.

La ricerca, condotta dall’University of Surrey, in Inghilterra, e pubblicata sul Journal of the American Medical Informatics Association, ha analizzato i dati sanitari di 12.701 partecipanti alla UK Biobank che avevano avuto un infarto miocardico acuto.

I ricercatori hanno seguito la sequenza e la tempistica delle nuove diagnosi comparse dopo l’infarto e, attraverso tecniche di machine learning, hanno raggruppato i pazienti che presentavano percorsi di salute simili.

Successivamente hanno cercato di capire se fosse possibile prevedere l’appartenenza a uno di questi gruppi utilizzando informazioni già disponibili al momento dell’infarto, come le diagnosi precedenti e alcuni dati demografici.

Dall’analisi sono emersi tre principali percorsi di salute.

Il gruppo più numeroso, che comprendeva il 63,4% dei partecipanti, era caratterizzato da problemi cardiaci, renali e respiratori associati a malattie metaboliche. Tra queste figuravano condizioni come ipertensione, diabete di tipo 2 e dislipidemia, insieme a complicanze cardiache e respiratorie episodiche.

Un secondo gruppo, pari al 13,5%, presentava soprattutto malattie cardiometaboliche associate ad aritmie e problemi ischemici.

Il terzo gruppo, che comprendeva il 23,1% dei partecipanti, era invece caratterizzato da problemi che interessavano diversi organi e apparati ed era associato al fumo. In questo gruppo emergevano, tra gli altri, un deterioramento a carico dei polmoni e dell’apparato muscolo-scheletrico. Proprio quest’ultimo gruppo presentava anche la prognosi peggiore, con una mortalità a cinque anni del 43,9%.

Uno degli aspetti più interessanti dello studio riguarda la possibilità di utilizzare informazioni già disponibili al momento dell’infarto per prevedere quale delle tre traiettorie potrebbe seguire il paziente.

«Abbiamo scoperto che potevamo prevedere la traiettoria di salute che un paziente avrebbe seguito dopo un infarto già al momento dell’evento stesso, utilizzando le diagnosi preesistenti e i dati demografici», spiega Anthony Onoja, primo autore dello studio e ricercatore dell’University of Surrey. «Il nostro strumento di intelligenza artificiale si è dimostrato incredibilmente efficace nell’individuare e prevedere il gruppo a più alto rischio nel quale le patologie respiratorie, l’età più avanzata e i punteggi più elevati di deprivazione (un indicatore che tiene conto delle condizioni socioeconomiche dell’area di residenza) erano fattori predittivi chiave. Il nostro approccio è entusiasmante, ma siamo ancora all’inizio di questo percorso e riteniamo che in futuro potrebbe aiutare gli ospedali a identificare precocemente le persone che seguono queste traiettorie e a sviluppare cure personalizzate per loro».

L’intelligenza artificiale non si è però dimostrata superiore agli strumenti già utilizzati per stimare il rischio di mortalità. I ricercatori hanno infatti confrontato le informazioni ricavate dalle tre traiettorie con il punteggio SMART, uno strumento utilizzato per valutare il rischio cardiovascolare.

Il punteggio SMART è rimasto il principale predittore della mortalità a cinque anni. Le traiettorie individuate attraverso il machine learning potrebbero però aggiungere informazioni utili, aiutando a comprendere non soltanto quanto un paziente sia a rischio, ma anche quali problemi di salute potrebbero caratterizzare il suo percorso e dove potrebbe essere più utile intervenire.

«I medici utilizzano generalmente valutazioni del rischio, come il punteggio SMART, per aiutarli a comprendere quanto sia probabile che un paziente abbia un altro evento cardiaco», sottolinea Nophar Geifman, autrice senior dello studio e professoressa dell’University of Surrey. «Abbiamo riscontrato che questi strumenti rimangono il più forte singolo predittore di mortalità nel nostro studio, ma le traiettorie hanno aggiunto dettagli che un punteggio utilizzato da solo non può fornire. I pattern che abbiamo identificato mostrano che possiamo cogliere più del semplice rischio di un paziente ma, soprattutto, perché è a rischio e dove potrebbe essere necessario intervenire».

I ricercatori hanno inoltre cercato di capire se i tre gruppi individuati attraverso l’analisi dei dati corrispondessero anche a differenze biologiche. Le analisi genetiche hanno evidenziato meccanismi molecolari distinti.

Nel gruppo più numeroso emergevano soprattutto processi legati all’attivazione del sistema immunitario e al rimodellamento dei tessuti. Nel gruppo caratterizzato maggiormente da aritmie e problemi ischemici erano coinvolti soprattutto meccanismi legati all’insulina e al trasporto dei grassi. Nel gruppo associato al fumo emergevano invece processi legati all’infiammazione cronica e alla degenerazione.

Questi risultati rafforzano l’ipotesi che le traiettorie individuate dal modello non siano semplicemente raggruppamenti statistici, ma possano riflettere differenti caratteristiche biologiche dei pazienti.

Lo studio suggerisce quindi che l’intelligenza artificiale potrebbe in futuro affiancare gli strumenti di valutazione del rischio già disponibili. L’obiettivo non sarebbe soltanto stabilire quali pazienti abbiano maggiori probabilità di andare incontro a esiti negativi, ma comprendere meglio come potrebbe evolvere la loro salute negli anni successivi all’infarto e quali aspetti richiedano maggiore attenzione.