Durante il sonno il cuore non lavora sempre allo stesso modo. Frequenza cardiaca, controllo del sistema nervoso autonomo e conduzione elettrica cambiano mentre si passa dalla veglia alle diverse fasi della notte.
Gran parte di queste variazioni viene già registrata durante la polisonnografia, l’esame utilizzato per studiare disturbi come le apnee ostruttive del sonno, ma normalmente l’elettrocardiogramma acquisito durante il test viene osservato soprattutto per identificare anomalie evidenti.
Un gruppo di ricercatori statunitensi ha provato a utilizzare anche le informazioni più sottili presenti in quel segnale, affidandole a un sistema di deep learning. Il risultato è un modello capace di associare le caratteristiche dell’ECG notturno al rischio di sviluppare diversi problemi cardiovascolari fino a dieci anni dopo.
L’intelligenza artificiale ha analizzato l’ECG di migliaia di pazienti
Lo studio, pubblicato sulla rivista scientifica SLEEP e sostenuto dal National Institutes of Health statunitense, è stato coordinato da ricercatori della Emory University. Il sistema utilizza l’ECG a singola derivazione registrato durante la polisonnografia e lo combina con le informazioni sulle varie fasi del sonno.
Il modello è stato perfezionato utilizzando i dati di 15.809 pazienti del Massachusetts General Hospital di Boston, per poi essere testato su due gruppi indipendenti: 9.810 pazienti dell’Emory University Hospital di Atlanta e 12.576 del Beth Israel Deaconess Medical Center di Boston. Questa seconda fase è particolarmente importante perché permette di verificare se il sistema continua a funzionare anche quando viene applicato a persone diverse da quelle utilizzate durante lo sviluppo.
L’algoritmo è stato progettato per stimare il rischio a lungo termine di fibrillazione atriale, ictus, infarto del miocardio, insufficienza cardiaca e morte per qualsiasi causa. I ricercatori hanno poi verificato se le sue previsioni mantenessero valore anche dopo aver considerato fattori cardiovascolari già ben conosciuti come età, sesso, indice di massa corporea, fumo, ipertensione e diabete, oltre alle caratteristiche del sonno registrate durante l’esame.
Il segnale più forte riguarda fibrillazione atriale e insufficienza cardiaca
I risultati hanno mostrato un’associazione significativa tra il punteggio prodotto dal sistema e diversi eventi cardiovascolari successivi. Per ogni aumento di una deviazione standard del punteggio calcolato dall’intelligenza artificiale, nelle due coorti utilizzate per la validazione il rischio relativo di fibrillazione atriale risultava superiore del 103-172%.
Per l’ictus l’aumento osservato era compreso tra il 19 e il 40%, mentre per l’insufficienza cardiaca variava dal 69 al 133%. Anche la mortalità per qualsiasi causa risultava associata al punteggio, con valori superiori del 65-82%.
Queste percentuali non indicano però la probabilità assoluta che una persona sviluppi una determinata malattia. Sono rapporti statistici tra il punteggio dell’algoritmo e gli eventi osservati durante il follow-up. Una persona classificata in una fascia di rischio maggiore non ha quindi automaticamente il 133% di probabilità in più di sviluppare insufficienza cardiaca rispetto alla popolazione generale.
Il significato del risultato è che, all’interno delle popolazioni studiate, il segnale riconosciuto dall’IA riusciva a separare gruppi con probabilità diverse di andare incontro agli eventi cardiovascolari analizzati.
Per l’infarto il risultato è stato meno uniforme
La situazione è risultata meno netta per l’infarto del miocardio. L’associazione tra il punteggio dell’algoritmo e il rischio futuro era statisticamente significativa soltanto in una delle due coorti esterne utilizzate per testare il sistema. È un dettaglio importante perché mostra che la capacità predittiva non è identica per tutti gli eventi cardiovascolari e impedisce di presentare il modello come uno strumento capace di anticipare allo stesso modo qualsiasi malattia del cuore.
Nel complesso, però, l’aggiunta delle informazioni ricavate dall’ECG notturno ha migliorato la capacità dei modelli tradizionali di distinguere le persone destinate o meno a sviluppare alcuni degli eventi considerati. Secondo i ricercatori, il miglioramento raggiungeva circa il 6% per la fibrillazione atriale, il 9% per l’insufficienza cardiaca e il 7% per la mortalità.
Numeri che possono sembrare contenuti, ma che in un sistema di valutazione del rischio possono aiutare a identificare più precisamente alcuni pazienti che sfuggirebbero a una classificazione basata soltanto sui fattori tradizionali.
Una fase del sonno sembra contenere più informazioni
Analizzando su quali parti della notte il sistema concentrasse maggiormente l’attenzione, i ricercatori hanno osservato un particolare interesse per la fase N1, cioè la fase più leggera e iniziale del sonno.
È un momento di transizione in cui l’attività del sistema nervoso autonomo cambia rapidamente e possono diventare più evidenti piccole variazioni del ritmo cardiaco o della conduzione elettrica. Secondo gli autori, queste oscillazioni potrebbero rendere più riconoscibili alcuni segnali legati al rischio cardiovascolare futuro.
Questo non significa che bastino pochi minuti di sonno leggero per ottenere una previsione. Il modello è stato addestrato utilizzando l’intera registrazione notturna e integra informazioni provenienti dalle diverse fasi del sonno. La maggiore importanza attribuita alla fase N1 rappresenta piuttosto un indizio interessante su quando determinate caratteristiche cardiache potrebbero emergere con maggiore chiarezza.
Perché studiare il cuore proprio mentre dormiamo
I disturbi del sonno sono già collegati alla salute cardiovascolare. Condizioni come le apnee ostruttive del sonno possono associarsi a ipertensione e a un aumento del rischio di alcuni problemi cardiaci.
La polisonnografia registra contemporaneamente numerosi parametri fisiologici e comprende normalmente anche un ECG a singola derivazione. Gran parte delle informazioni contenute in quel segnale, tuttavia, non viene utilizzata per effettuare previsioni cardiovascolari di lungo periodo.
I modelli tradizionali basati sull’elettrocardiogramma si concentrano più spesso su registrazioni effettuate durante la veglia oppure durante le normali attività quotidiane. Il sonno potrebbe invece offrire un contesto particolare, perché il passaggio tra le diverse fasi modifica continuamente l’equilibrio tra sistema nervoso simpatico e parasimpatico.
Questi cambiamenti possono far emergere alterazioni molto sottili della frequenza cardiaca e della conduzione elettrica che un algoritmo riesce a riconoscere anche quando non producono anomalie immediatamente evidenti a una normale lettura dell’ECG.
Non significa che un ECG notturno possa già predire il futuro
Lo studio non introduce un test clinico già disponibile per prevedere chi avrà un ictus o svilupperà insufficienza cardiaca. Il sistema è stato studiato in persone che si erano sottoposte a polisonnografia, quindi in una popolazione che non coincide necessariamente con quella generale. Inoltre, anche un algoritmo capace di migliorare statisticamente la previsione del rischio deve dimostrare di produrre un vantaggio reale quando viene utilizzato nelle decisioni mediche.
Come sottolineato anche dal National Heart, Lung, and Blood Institute statunitense, uno dei prossimi passaggi sarà proprio capire se le informazioni fornite dal modello migliorino abbastanza gli strumenti di valutazione già esistenti da modificare concretamente la gestione dei pazienti. Individuare una persona classificata dall’IA come ad alto rischio è utile soltanto se questa informazione porta a controlli, prevenzione o terapie capaci di migliorare gli esiti.
In futuro la polisonnografia potrebbe dire qualcosa in più sul cuore
L’aspetto più interessante della ricerca è che non richiede necessariamente l’introduzione di un nuovo sensore. L’ECG viene già registrato durante molti studi del sonno e l’algoritmo utilizzerebbe quindi dati che, almeno in parte, sono già disponibili. Se l’approccio verrà ulteriormente validato, in futuro l’analisi automatizzata potrebbe affiancare quella tradizionale e segnalare pazienti che meritano un approfondimento cardiovascolare.
Non sarebbe una diagnosi e nemmeno una previsione certa di ciò che accadrà nei dieci anni successivi. Sarebbe piuttosto un ulteriore strumento di stratificazione del rischio, capace di utilizzare informazioni che oggi vengono sfruttate solo in minima parte.
La ricerca mostra così che durante una normale notte di sonno il cuore potrebbe lasciare tracce molto più informative di quanto si pensasse: la sfida, adesso, è capire se imparare a leggerle possa davvero aiutare a prevenire gli eventi cardiovascolari prima della comparsa dei sintomi.
Fonte
SLEEP - Prediction of cardiovascular outcomes using electrocardiography from overnight polysomnography
