Stenosi aortica: nuovo algoritmo di supporto decisionale basato sull’intelligenza artificiale utilizza ecocardiogrammi di routine per identificare i pazienti con forme gravi
Un nuovo algoritmo di supporto decisionale basato sull’intelligenza artificiale (AI) utilizza ecocardiogrammi di routine per identificare automaticamente i pazienti con forme da moderate a gravi di stenosi aortica associate a scarsa sopravvivenza se non trattate. È questo il risultato principale dello studio AI-ENHANCED AS, presentato a Barcellona durante il Congresso ESC22.
«La stenosi aortica è la lesione valvolare primaria più comune che richiede un intervento chirurgico o un intervento transcatetere in Europa e Nord America» ha ricordato il primo autore, Geoffrey Strange dell’Università di Notre Dame (Australia).
Aumento della prevalenza e criteri diagnostici delle linee guida non adeguati
«La prevalenza è in rapido aumento a causa dell’invecchiamento della popolazione. Le linee guida consigliano vivamente un intervento precoce in tutti i pazienti sintomatici con stenosi aortica grave a causa della prognosi sfavorevole. Circa il 50% dei pazienti non trattati con stenosi aortica muore nei primi due anni dopo la comparsa dei sintomi» ha aggiunto.
«L’ecocardiografia viene utilizzata per valutare la gravità, in particolare attraverso la velocità di picco, il gradiente medio di pressione medio e l’area della valvola aortica» ha proseguito Strange. «Tuttavia, vi sono prove crescenti che il rischio elevato di mortalità si estenda oltre le attuali definizioni diagnostiche e che un maggior numero di pazienti dovrebbe essere preso in considerazione per la sostituzione della valvola aortica».
Addestramento della rete neurale su immagini del database nazionale
Nello studio AI-ENHANCED AS Strange e colleghi hanno valutato se un algoritmo AI sviluppato da parametri ecocardiografici utilizzati di routine nella pratica clinica potesse identificare fenotipi di stenosi aortica da moderata a grave e grave associati all’aumento della mortalità a cinque anni.
L’algoritmo proprietario AI-Decision Support Algorithm (AI-DSA) impiegato è stato “addestrato” utilizzando i dati del National Echo Database of Australia (NEDA), che contiene più di 1 milione di ecocardiogrammi di oltre 630.000 pazienti ed è collegato alle informazioni relative alla mortalità.
«L’algoritmo è stato anche addestrato per garantire che fosse stata rilevata interamente la stenosi aortica grave definita dalle linee guida» ha precisato Strange. «La formazione è stata eseguita utilizzando il 70% dei dati NEDA, che sono stati selezionati in modo casuale».
Utilizzando il restante 30% dei dati NEDA, i ricercatori hanno confrontato i tassi di mortalità a cinque anni nei pazienti con fenotipi di stenosi aortica da moderata a grave e grave con tassi di mortalità a cinque anni in pazienti senza rischio significativo di stenosi aortica grave.
Ampliamento del numero di pazienti candidabili a sostituzione valvolare
Su 179.054 individui, l’AI-DSA ha identificato 2.606 (1,4%) con un fenotipo da moderato a grave e 4.622 (2,5%) con un fenotipo grave. Di quelli con un fenotipo grave, 3.566 (77,2%) hanno soddisfatto i criteri guida per la stenosi aortica grave. Il tasso di mortalità a cinque anni è stato del 56,2% nei pazienti con fenotipo da moderato a grave e del 67,9% in quelli con fenotipo grave.
Quelli senza fenotipo (il gruppo di riferimento) avevano un tasso di mortalità quinquennale del 22,9%. Rispetto al gruppo di riferimento, l’odds ratio (OR) aggiustato per età e sesso per la mortalità per tutte le cause è stato di 1,82 ( intervallo di confidenza al 95% [CI] 1,63-2,02) e 2,80 (IC 95% 2,57-3,06) per i pazienti con fenotipi da moderato a grave e grave, rispettivamente.
All’interno del fenotipo di stenosi aortica grave identificato dall’AI-DSA (4.622; 2,5%), quelli che soddisfacevano le attuali linee guida (77%) avevano una mortalità quinquennale del 69,1%. La popolazione aggiuntiva identificata dall’AI-DSA con un fenotipo grave, ma che non soddisfaceva le linee guida attuali, aveva un tasso di mortalità del 64,4%.
Quali implicazioni per la pratica clinica?
«Questo algoritmo AI proprietario raccoglie i pazienti (e tutti i pazienti all’interno delle attuali linee guida) con un alto rischio di mortalità entro cinque anni che forse mancavano dalle definizioni convenzionali» ha sottolineato Strange. «I risultati suggeriscono che l’algoritmo AI potrebbe essere utilizzato nella pratica clinica per avvisare i medici dei pazienti che dovrebbero sottoporsi a ulteriori indagini per determinare se si qualificano per la sostituzione della valvola aortica».
«Data la crescente prevalenza della stenosi aortica e il suo impatto sulla mortalità, è tempo di rivisitare la pratica dell’attesa vigile e considerare tentativi più proattivi per identificare quelli a rischio» ha sottolineato Strange. Inoltre, «sono necessarie ulteriori ricerche per determinare se la sostituzione della valvola aortica migliora la sopravvivenza e la qualità della vita nei pazienti identificati dall’AI-DSA come ad alto rischio di mortalità, ma che non soddisfano le attuali definizioni delle linee guida».
I messaggi-chiave
- In un’ampia coorte del mondo reale sottoposta a ecocardiografia di routine, è stato dimostrato che un algoritmo di supporto decisionale AI può identificare automaticamente i pazienti con forme da moderate a gravi d stenosi aortica con scarsa prognosi se non trattate.
- L’algoritmo AI-DSA identifica correttamente i pazienti con un rischio significativo di mortalità:
- stenosi aortica moderata (56% mortalità a 5 anni)
- stenosi aortica grave (67% mortalità a 5 anni)
- identificazione di tutti i pazienti considerati dalle linee guida (69% mortalità a 5 anni)
- gruppo ad alto rischio, all’infuori delle attuali linee guida (64% mortalità a 5 anni).
Fonte:
Strange GA. AI-ENHANCED Detection of Aortic Stenosis. ESC22. Barcelona (Spain).