L'Intelligenza Artificiale per prevenire le patologie cardiache fulminanti

Riuscire a capire da un elettrocardiogramma l’aspettativa di vita di un paziente quando è stata diagnosticata la rara sindrome cardiaca di Brugada, utilizzando tecniche di Intelligenza Artificiale. Questo è l’obiettivo del lavoro portato avanti dal gruppo di ricerca del Politecnico di Torino coordinato dal professor Eros Pasero – docente del Dipartimento di Elettronica e Telecomunicazioni-DET, che vuole mettere a disposizione dei cardiologi gli strumenti offerti dall’Intelligenza Artificiale per estrarre informazioni “nascoste” negli elettrocardiogrammi. Ora il progetto è stato selezionato dal Ministero degli Affari Esteri (MAECI) tra i vincitori del bando scientifico Italia-Israele 2021-2023, che prevede un finanziamento di 300 mila euro.

La sindrome di Brugada è un disturbo dell’attività elettrica del cuore che può provocare episodi di aritmia ventricolare anche letali. Questa sindrome è nota per essere una delle principali cause di morte cardiaca improvvisa e, purtroppo, non prevedibile. Soprattutto persone giovani muoiono all’improvviso senza nessuna sintomatologia particolare. La mancanza di sintomi rende spesso difficile capire se una persona è affetta da sindrome di Brugada e, a oggi, impossibile diagnosticare un evento fatale futuro.

La ricerca viene portata avanti in collaborazione con l’Università di Torino, con il contributo del professor Fiorenzo Gaita, celebre aritmologo che insieme alla professoressa Carla Giustetto fornisce le competenze cardiologiche necessarie per questo tipo di studio, che verrà supportato anche dall’Università di Tel Aviv, dove tre scienziati collaboreranno con il professor Pasero per cercare di ottimizzare le tecniche di previsione.

“I sistemi di Intelligenza Artificiale sono sempre più utilizzati per fare previsioni - spiega il professor Pasero - I dati di cui disponiamo per analizzare gli eventi fatali dovuti alla sindrome di Brugada sono purtroppo molto scarsi. Ma i risultati finora ottenuti con i nostri algoritmi sui primi 1000 pazienti sono molto incoraggianti portando a prevedere l’evento fatale in oltre il 90% dei casi. L’uso di nuovi algoritmi che stiamo sperimentando offrono inoltre la possibilità di vedere all’interno degli elettrocardiogrammi patologie non diagnosticate proponendo in futuro nuove prospettive diagnostiche”.