Il Machine Learning analizza le risonanze cardiache meglio degli umani

Uno studio multicentrico statunitense ha mostrato come un algoritmo di intelligenza artificiale sia risultato migliore, in termini di velocità e accuratezza diagnostica rispetto alle performance umane, nell’identificare malattie cardiache alla risonanza magnetica del miocardio.

I ricercatori hanno addestrato un sistema di machine learning su 1923 risonanze, andando a misurarne le prestazioni diagnostiche su un successivo campione di 109 pazienti, poi esteso ad ulteriori 1277 visti gli ottimi risultati ottenuti.

L’analisi è risultata molto più veloce (20 secondi contro 13 minuti) rispetto al lavoro dei cardiologi in carne e ossa, con una precisione superiore del 40% a quella di tre clinici umani.

Le imprecisioni e i pochi casi non diagnosticati correttamente sono risultati relativi a patologie rare, non presenti nel dataset iniziale sul quale l‘algoritmo è stato “addestrato”.

Le prospettive di sviluppo di questi sistemi sono ottime, secondo gli esperti.
L’accuratezza è risultata particolarmente elevata sulle valvulopatie e miocardiopatie, campi in cui la valutazione clinica tradizionale risulta particolarmente difficile.
Anche i danni miocardici da tossicità farmacologica, difficili da individuare ad un semplice sguardo, sono risultati di più facile identificazione grazie al coinvolgimento dell’intelligenza artificiale.

Da un punto di vista dei costi, queste analisi automatizzate consentono un notevole risparmio in particolare in termini di ore di lavoro da parte degli specialisti, che possono così essere impiegati per altre mansioni.

Precision measurement of cardiac structure and function in cardiovascular magnetic resonance using machine learning