The Pulse
L’analisi IA degli ecocardiogrammi ha identificato il 78% dei casi confermati di HFpEF in uno studio
Aggiungendo l’analisi IA di un filmato ecocardiografico a un punteggio clinico, sono stati identificati il 78% dei pazienti con HFpEF confermata, contro il 48% usando il solo punteggio. Lo studio è pubblicato in un numero del Journal of Cardiac Failure dedicato all’IA nella cura dello scompenso cardiaco.

Aggiungendo l’analisi IA di un filmato ecocardiografico a un punteggio clinico, sono stati identificati il 78% dei pazienti con insufficienza cardiaca con frazione di eiezione preservata confermata sul piano emodinamico, contro il 48% usando il solo punteggio, secondo la Heart Failure Society of America. Lo studio è pubblicato nel numero di novembre 2026 del Journal of Cardiac Failure, dedicato all’IA nello scompenso cardiaco.
La condizione è nota come HFpEF. I ricercatori hanno applicato il modello EchoGo HF a ecocardiogrammi a riposo di 280 pazienti ambulatoriali inviati per sospetta HFpEF. Tutti i pazienti sono stati sottoposti anche a test emodinamici sotto sforzo, che la società descrive come il gold standard diagnostico.
Testare un approccio in due fasi
Lo studio ha rilevato che il modello di IA offriva il maggior valore aggiunto per i pazienti con punteggi clinici H₂FPEF bassi o intermedi, nei quali la diagnosi è più difficile. I ricercatori hanno testato un approccio in due fasi: calcolare prima il punteggio e poi ricorrere all’IA quando il risultato non è conclusivo.
I ricercatori hanno inoltre rilevato che un risultato positivo per HFpEF individuato dall’IA prediceva in modo indipendente pressioni di riempimento elevate e una ridotta capacità di esercizio. Secondo la società, questo risultato suggerisce che il modello rispecchia la gravità della malattia oltre a consentire la diagnosi.
Il lavoro, di Usman e colleghi, affronta il tema di come applicare un algoritmo di IA basato sull’ecocardiografia a una popolazione inviata a uno specialista. La rivista è la pubblicazione ufficiale della Heart Failure Society of America.
Uso dei modelli linguistici per esaminare le prescrizioni
In un altro studio pubblicato nello stesso numero, i ricercatori hanno utilizzato le note cliniche relative a 599 pazienti visitati in ambulatori cardiologici per ottimizzare il modello linguistico o1 di OpenAI. Hanno esaminato le motivazioni documentate per cui ai pazienti con insufficienza cardiaca non era stato prescritto un inibitore SGLT2, un trattamento che, secondo le linee guida, è indicato per molti pazienti.
Secondo la società, il modello ha classificato con una precisione dell’84,7% la motivazione documentata per la mancata prescrizione. I fattori attribuiti ai medici sono stati il tema più frequente, comparendo nel 28,7% delle note.
Le motivazioni specifiche più frequenti erano la decisione di rimandare la prescrizione a una visita successiva, nel 15,4% dei casi, e il giudizio del medico secondo cui il paziente era a basso rischio o aveva poche probabilità di trarne beneficio, nel 7,4% dei casi. Secondo la società, i risultati indicano obiettivi concreti per migliorare le prescrizioni in linea con le linee guida.
Invito a condurre studi nell’assistenza clinica
I curatori ospiti del numero sostengono che l’IA debba essere valutata anche al di là degli studi retrospettivi e delle dimostrazioni dei modelli. «La sola promessa non basta», hanno scritto, chiedendo studi rigorosi per determinare dove l’IA apporti valore e come possa essere implementata in modo sicuro ed efficace.
Hanno chiesto studi prospettici, compresi studi randomizzati laddove fattibili, per valutare gli effetti sulle decisioni cliniche, sull’erogazione dei trattamenti, sugli esiti, sull’equità e sul carico di lavoro dei medici. I curatori ospiti sono Jonathan W. Cunningham, Elena Donald, Nir Uriel e Ankeet S. Bhatt.
Una rassegna pubblicata nel numero esamina applicazioni che spaziano dal rilevamento assistito dall’IA negli ECG e nelle immagini alla valutazione del rischio nelle cartelle cliniche elettroniche, al supporto alle decisioni, alla regolazione a distanza del dosaggio dei farmaci e al monitoraggio tramite dispositivi indossabili. Gli autori della rassegna hanno concluso che le prove più solide favoriscono l’integrazione dell’IA in flussi di lavoro clinici attivi che orientano gli esami, i trattamenti e il follow-up, anziché l’uso di strumenti che si limitano a inviare avvisi passivi.
Fonti
Notizie correlate
- I ricercatori della Fed dicono che finora l’effetto dell’IA sulla produttività sembra contenuto
- L’UE apre bandi per 297 milioni di euro destinati a progetti sull’IA e sul digitale
- Huawei e China Unicom implementano un sistema di IA in 21 parchi eolici
- Zimperium segnala un malware assistito dall’IA in grado di ripristinarsi
- JUPITER si piazza al quinto posto mentre LISA, focalizzata sull’IA, entra nella TOP500