AI-ECG: un nuovo algoritmo per identificare la bassa frazione di eiezione

Un recente studio pubblicato sulla rivista Canadian Journal of Cardiology ha sviluppato un algoritmo basato sull’intelligenza artificiale (AI-ECG) per identificare i pazienti con bassa frazione di eiezione ventricolare sinistra (LVEF) e prevedere i valori di LVEF. La ridotta frazione di eiezione ventricolare sinistra è un indicatore di insufficienza cardiaca, e identificarla tempestivamente è cruciale per gestire la progressione della malattia e prevenire la mortalità.

L’algoritmo utilizza i dati dell’elettrocardiogramma (ECG) come input per generare la probabilità che il paziente soffra di una bassa frazione di eiezione e stimare il valore di LVEF. È stato condotto uno studio di follow-up a 5 anni su un gruppo di individui che inizialmente avevano valori normali di LVEF. Inoltre, è stata effettuata una validazione esterna delle prestazioni dell’algoritmo utilizzando il database Medical Information Mart for Intensive Care (MIMIC-IV).

I risultati hanno mostrato che l’algoritmo ha ottenuto un’area sotto la curva (AUC) di 0.965 per il rilevamento di LVEF ≤ 50%, con un’accuratezza del 92.8%, una sensibilità dell’88.8% e una specificità del 92.9%. Per la regressione di LVEF, il metodo ha mostrato un errore assoluto medio (MAE) di 5.28 (95% CI: 5.23 – 5.33) nel set di test. Durante la validazione esterna, l’algoritmo ha ottenuto un valore AUC di 0.848 e un valore MAE di 9.56. I pazienti con risultati falsi positivi avevano una probabilità significativamente maggiore di sviluppare una bassa frazione di eiezione rispetto ai pazienti che avevano ricevuto risultati veri negativi (26.2% vs. 2.0%, P < 0.0001).

In conclusione, l’algoritmo AI-ECG è in grado di identificare con alta precisione la bassa frazione di eiezione nei pazienti. Questo strumento rappresenta un metodo di screening efficiente, tempestivo e conveniente per la diagnosi precoce dell’insufficienza cardiaca.

Fonte:Can J Cardiol. 2024

https://onlinecjc.ca/article/S0828-282X(24)00980-2/abstract

Contenuti simili

I più visti