
L’intelligenza artificiale entra sempre più prepotentemente nel campo della medicina e si rivela sempre più efficiente grazie ad algoritmi sempre più efficienti.
Un nuovo approccio algoritmico è stato sviluppato da un gruppo di ricerca guidato da Sebastiano Massaro, professore associato di neuroscienze organizzative presso l’Università del Surrey, utilizzando un tipo di rete neurale denominato rete neurale convoluzionale (Convolutional Neural Networks, CNN).
Con questo algoritmo, come dichiarato nel comunicato stampa apparso sul sito dell’università inglese, i ricercatori sono riusciti ad identificare l’insufficienza cardiaca congestizia (congestive heart failure, CHF) con un’accuratezza del 100% e analizzando un solo battito cardiaco prelevato dall’elettrocardiogramma.
L’insufficienza cardiaca congestizia è una patologia cronica che vede una riduzione del potere di pompaggio dei muscoli del cuore.
I test attualmente in uso per rilevarla, test che analizzano la frequenza cardiaca, richiedono un tempo maggiore oppure possono essere soggetti ad un livello di accuratezza non paragonabile a quello dell’algoritmo.
Lo stesso Massaro dichiara nel comunicato: “Abbiamo addestrato e testato il modello CNN su grandi set di dati ECG disponibili al pubblico con soggetti con CHF e cuori sani e non aritmici. Il nostro modello ha fornito una precisione del 100 percento: controllando solo un battito cardiaco siamo in grado di rilevare se una persona ha o meno un’insufficienza cardiaca. Il nostro modello è anche uno dei primi noti per essere in grado di identificare le caratteristiche morfologiche dell’ECG specificamente associate alla gravità della condizione.”
Massaro ha lavorato con i colleghi Mihaela Porumb e Leandro Pecchia dell’Università di Warwick e con Ernesto Iadanza dell’Università degli Studi di Firenze.