I cardiologi spesso hanno difficoltà a valutare il rischio di infarto. Le nuove startup che utilizzano l’intelligenza artificiale potrebbero essere d’aiuto.
Nonostante tutte le meraviglie della cardiologia moderna, facciamo fatica a prevedere chi avrà un infarto. Molte persone non vengono mai sottoposte a screening. Ora, startup come Bunkerhill Health , Nanox.AI e HeartLung Technologies stanno applicando algoritmi di intelligenza artificiale per esaminare milioni di TAC alla ricerca di segni precoci di malattie cardiache. Questa tecnologia potrebbe rappresentare una svolta per la salute pubblica, applicando uno strumento tradizionale per individuare i pazienti ad alto rischio di infarto che si nascondono in bella vista. Tuttavia, la sua efficacia su larga scala rimane da dimostrare, sollevando questioni spinose relative alla sua implementazione e persino alla definizione stessa di malattia.
L’anno scorso, circa 20 milioni di americani si sono sottoposti a una TAC toracica, dopo un evento come un incidente stradale o per lo screening del cancro ai polmoni. Spesso queste scansioni mostrano segni di calcio coronarico (CAC), un indicatore del rischio di infarto, che viene ignorato o non menzionato nei referti radiologici incentrati sull’esclusione di lesioni ossee, traumi interni potenzialmente letali o cancro.
I test specifici per il CAC rimangono un metodo sottoutilizzato per prevedere il rischio di infarto. Nel corso dei decenni, la placca nelle arterie cardiache attraversa il proprio ciclo di vita, indurendosi da residui ricchi di lipidi in calcio. Gli infarti cardiaci si verificano in genere quando la placca più giovane e ricca di lipidi si rompe in modo imprevedibile, innescando una cascata di coagulazione e infiammazione che alla fine blocca l’afflusso di sangue al cuore. La placca calcificata è generalmente stabile, ma la presenza di CAC suggerisce che sia probabilmente presente anche placca più giovane e più soggetta a rottura.
Il calcio coronarico può spesso essere individuato nelle TAC toraciche e la sua concentrazione può essere descritta in modo soggettivo. Normalmente, la quantificazione del punteggio CAC di una persona comporta l’esecuzione di una TAC specifica per il cuore. Tuttavia, gli algoritmi che calcolano i punteggi CAC dalle TAC toraciche di routine potrebbero ampliare notevolmente l’accesso a questa metrica. In pratica, questi algoritmi potrebbero quindi essere utilizzati per avvisare i pazienti e i loro medici di punteggi anormalmente alti, incoraggiandoli a cercare ulteriori cure. Oggi, l’impronta delle startup che offrono punteggi CAC derivati dall’intelligenza artificiale non è grande, ma sta crescendo rapidamente. Con l’aumentare del loro utilizzo, questi algoritmi potrebbero identificare pazienti ad alto rischio che tradizionalmente vengono trascurati o che sono ai margini delle cure.
Storicamente, si riteneva che le scansioni CAC avessero un beneficio marginale e venivano commercializzate a persone sane ma preoccupate. Ancora oggi, la maggior parte delle assicurazioni non le copre. Tuttavia, gli atteggiamenti potrebbero cambiare. Sempre più gruppi di esperti stanno approvando i punteggi CAC come un modo per affinare le stime del rischio cardiovascolare e persuadere i pazienti scettici a iniziare ad assumere statine.
La promessa dei punteggi CAC derivati dall’intelligenza artificiale fa parte di una tendenza più ampia verso l’estrazione di tesori di dati medici per individuare malattie altrimenti non rilevate. Ma anche se sembra promettente, questa pratica solleva molte domande. Ad esempio, i punteggi CAC non si sono dimostrati utili come strumento grossolano per lo screening universale. Uno studio danese del 2022 che ha valutato un programma basato sulla popolazione, ad esempio, non ha mostrato alcun beneficio nei tassi di mortalità dei pazienti che si erano sottoposti a test di screening CAC. Se l’intelligenza artificiale fornisse automaticamente queste informazioni, il calcolo cambierebbe davvero?
E con la diffusione su larga scala, i punteggi CAC anomali diventeranno comuni. Chi darà seguito a questi risultati? “Molti sistemi sanitari non sono ancora attrezzati per agire su larga scala in caso di riscontri incidentali di calcio”, afferma Nishith Khandwala, cofondatore di Bunkerhill Health. Senza una procedura standard per farlo, dice, “si rischia di creare più lavoro che valore”.
C’è anche la questione se questi punteggi generati dall’IA migliorerebbero effettivamente la cura dei pazienti. Per un paziente sintomatico, un punteggio CAC pari a zero potrebbe offrire una falsa rassicurazione. Per il paziente asintomatico con un punteggio CAC elevato, i passi successivi rimangono incerti. Al di là delle statine, non è chiaro se questi pazienti trarrebbero beneficio dall’assunzione di costosi farmaci per abbassare il colesterolo come Repatha o altri inibitori PCSK9. Ciò potrebbe incoraggiare alcuni a sottoporsi a procedure a valle inutili ma costose che potrebbero persino finire per causare danni. Attualmente, il punteggio CAC derivato dall’intelligenza artificiale non è rimborsato come servizio separato da Medicare o dalla maggior parte degli assicuratori. Il business case per questa tecnologia oggi risiede, in effetti, in questi incentivi potenzialmente perversi.
A livello fondamentale, questo approccio potrebbe effettivamente cambiare il modo in cui definiamo la malattia. Adam Rodman, medico ospedaliero ed esperto di IA presso il Beth Israel Deaconess Medical Center di Boston, ha osservato che i punteggi CAC derivati dall’IA presentano somiglianze con l'”incidentaloma“, un termine coniato negli anni ’80 per descrivere i risultati inattesi delle scansioni TC. In entrambi i casi, il normale schema diagnostico, in cui medici e pazienti intraprendono deliberatamente una serie di esami per capire cosa sta causando un problema specifico, è stato fondamentalmente stravolto. Tuttavia, come osserva Rodman, gli incidentalomi venivano comunque individuati dagli esseri umani che esaminavano le scansioni.
Ora, dice, stiamo entrando in un’era di “nosologia basata sulle macchine”, in cui gli algoritmi definiscono le malattie secondo i propri criteri. Man mano che le macchine effettuano più diagnosi, potrebbero individuare cose che a noi sfuggono. Ma Rodman e io abbiamo iniziato a chiederci se potrebbe emergere un futuro diagnostico a due livelli, in cui i “ricchi” pagano per algoritmi di marca mentre i “poveri” si accontentano di alternative meno efficaci.
Per i pazienti che non presentano fattori di rischio o che sono distaccati dall’assistenza medica regolare, un punteggio CAC derivato dall’intelligenza artificiale potrebbe potenzialmente individuare i problemi in anticipo e riscrivere la sceneggiatura. Ma come questi punteggi raggiungano le persone, cosa si faccia al riguardo e se alla fine possano migliorare i risultati dei pazienti su larga scala rimangono domande aperte. Per ora, tenendo in mano la penna mentre passano dai pazienti ai risultati algoritmici, i medici continuano ad avere la loro importanza.
Vishal Khetpal è ricercatore nel campo delle malattie cardiovascolari. Le opinioni espresse in questo articolo non rappresentano quelle dei suoi datori di lavoro.
