Un cuore

3 aree di applicazione di IA per trattare malattie cardiache

L’intelligenza artificiale (IA) si prenderà cura anche del nostro cuore. I ricercatori stanno studiando nuovi metodi per ridurre l’incidenza delle malattie cardiache tramite l’IA.

Un’analisi di TechEmergence mostra 3 aree di applicazione di IA per gestire il trattamento delle malattie al cuore. Vediamo di cosa si tratta.

 

1. Diagnostica per immagini

L’IA viene sempre più adottata dai medici per ottenere immagini diagnostiche più accurate. Vediamo alcuni esempi di applicazione.

Analytics4Life (A4L) sta sviluppando un algoritmo di machine learning per rilevare la coronaropatia in modo non invasivo. Significa che non c’è bisogno di ricorrere né alle radiazioni né all’accelerazione del battito cardiaco.

La società sta addestrando il suo algoritmo tramite miliardi di dati clinici ottenuti da immagini di arterie coronarie e dai risultati di una speciale procedura a raggi x denominata angiografia coronarica che rileva le ostruzioni delle arterie.

Grazie alla piattaforma CorVista™ sarà poi possibile rilevare la coronaropatia attraverso il riconoscimento dei modelli. Al momento questi strumenti non sono disponibili sul mercato perché ancora in fase di test.

Un altro algoritmo all’opera è quello di Zebra Medical Vision: uno strumento di diagnosi precoce di rischi cardiovascolari. Il calcio nell’arteria coronaria è considerato un indicatore della coronaropatia. Quantificare la presenza di calcio può aiutare i medici a prevedere il rischio di un infarto.

Questo algoritmo viene addestrato con milioni di scansioni di immagini per calcolare automaticamente un punteggio. In questo modo si quantifica il calcio ed è possibile valutare eventuali pericoli.

 

2. Previsione dei rischi

Prevenire è meglio che curare. L’IA si rivela uno strumento davvero potente in quest’ambito.

La startup KenSci adotta il machine learning per prevedere i rischi di malattie cardiache. La piattaforma della società si fonda su un database di oltre 150 modelli di apprendimento automatico. Mentre gli algoritmi sono sviluppati sulla base di oltre 10 milioni di set di dati.

Si tratta di dati clinici (cartelle cliniche), finanziari (assicurazioni e spese sanitarie) e biometrici (ad esempio la frequenza cardiaca).

Il software di KenSci riordina e analizza i dati dei pazienti per identificare schemi che possono indicare potenziali rischi e fornire informazioni previsionali. Questa tecnologia potrebbe essere usata per ridurre la percentuale di riammissione ospedaliera dei pazienti con insufficienza cardiaca congestizia.

Anche Heartflow ha una soluzione non invasiva per migliorare la precisione nella diagnosi della coronaropatia. L’azienda ha dichiarato che la sua piattaforma sfrutta il deep learning per creare un “modello 3D personalizzato delle arterie del paziente.

HeartFlow valuta i dati dalle scansioni delle arterie coronarie. Attraverso il deep learning viene sviluppato un modello 3D delle arterie in base ai dati estratti dalle immagini del paziente. Gli algoritmi vengono poi impiegati per “simulare il flusso di sangue e valutare l’impatto delle ostruzioni nelle arterie“.

Al momento HeartFlow è in commercio negli USA, in Canada e in Giappone. I risultati di uno studio clinico hanno mostrato che, dopo un anno di utilizzo di HeartFlow, 117 pazienti che hanno annullato un’angiografia coronarica invasiva non hanno riscontrato un “evento clinico avverso“. Lo studio ha evidenziato anche che questi impatti si traducono in un risparmio del 33% nel sistema sanitario.

 

3. Controllo elettrocardiografico

L’intelligenza artificiale può darci una mano a tenere la salute sotto controllo.

Cardiologs adotta l’IA per “leggere le registrazioni dell’ECG da qualsiasi dispositivo digitale“.

La rete neurale che guida la piattaforma è stata addestrata con oltre 500.000 elettrocardiogrammi. Così il sistema è in grado di riconoscere con precisione i modelli e le anomalie nei segnali cardiaci.

L’azienda sostiene che la sua tecnologia rileva la fibrillazione atriale con un’accuratezza del 91% rispetto al 59% dei metodi standard.

 

Medicina e IA sempre più a contatto

Abbiamo visto 3 aree di applicazione di IA per il trattamento delle malattie cardiache.

  1. Immagini mediche: algoritmi di machine learning per migliorare l’accuratezza delle scansioni. In questo modo sarà più facile e veloce individuare le malattie cardiache.
  2. Previsione dei rischi: per rilevare malattie cardiovascolari il prima possibile.
  3. Monitoraggio ECG: il deep learning automatizza il processo di fibrillazione atriale.

Queste tecnologie ci daranno la possibilità di essere più precisi e tempestivi nelle diagnosi. I vantaggi si traducono nella riduzione dell’esposizione dei pazienti alle radiazioni e degli interventi invasivi. Vantaggi che quindi beneficiano sia i pazienti sia gli ospedali che devono affrontare meno spese.

Molte di queste tecnologie devono ancora superare dei test ed essere migliorate. Inoltre, al momento sono più orientate all’assistenza medica piuttosto che al singolo paziente. Il problema principale, come ho accennato in altre occasioni, riguarda i dati. Quali dati condividiamo con le aziende e gli ospedali? Come vengono protetti? Possiamo scegliere cosa condividere e cosa no?

Questi e altri interrogativi diventeranno più pressanti con il progredire delle tecnologie e la nascita di nuove applicazioni industriali di IA in medicina.

Il paziente non potrà comprendere tutti gli aspetti tecnici di questi sistemi di IA. Dovrà avere fiducia nei medici che propongono questi tipi di trattamenti. Ma ci sono anche medici che non sono ancora del tutto convinti del corretto funzionamento di una parte di queste tecnologie.

Ci troviamo in una fase molto delicata dove le relazioni protagoniste non sono solo quelle tra medici e pazienti, ma anche tra aziende e ospedali, medici ed esperti di IA. Ed è impossibile non tenere conto dell’aspetto commerciale della faccenda. Le aziende devono vendere i loro prodotti, prodotti che dovrebbero aiutare i medici nel loro lavoro, ovvero curare le persone.

Bisogna tenere ben presente questa rete di relazioni perché è uno dei fattori che influenzano lo sviluppo tecnologico. Lo accelera, lo rallenta o lo blocca, a seconda dei casi. Sarebbe fondamentale che questo progresso non sia fine a se stesso, ma procuri dei benefici concreti e diffusi.

Per ricevere gli aggiornamenti dal blog sull’evoluzione digitale e altri contenuti interessanti, iscriviti alla newsletter.

Controcorrente Newsletter


Lascia un commento