Inviare un “selfie” al medico potrebbe essere un modo semplice ed economico per rilevare le malattie cardiache, secondo gli autori di un nuovo studio appena pubblicato sull’European Heart Journal. Lo studio è il primo a dimostrare che è possibile utilizzare un algoritmo informatico di apprendimento profondo per rilevare la malattia coronarica (CAD) analizzando quattro fotografie del viso di una persona. Sebbene l’algoritmo debba essere ulteriormente sviluppato e testato in gruppi più ampi di persone di diversa estrazione etnica, i ricercatori affermano che ha il potenziale per essere utilizzato come strumento di screening che potrebbe identificare possibili malattie cardiache nelle persone nella popolazione generale o in gruppi a rischio, che potrebbero essere indirizzati per ulteriori indagini cliniche. Questo è il primo lavoro che dimostra che l’intelligenza artificiale può essere utilizzata per analizzare i volti per rilevare le malattie cardiache. Si tratta di un passo verso lo sviluppo di uno strumento basato sull’apprendimento profondo che potrebbe essere utilizzato per valutare il rischio di malattie cardiache, sia in ambulatori o tramite i pazienti che si fanno “selfie” per eseguire il proprio screening. Questo potrebbe guidare ulteriori test diagnostici o una visita clinica. L’obiettivo finale dei ricercatori è sviluppare un’applicazione auto-segnalata per le comunità ad alto rischio per valutare il rischio di malattie cardiache prima di essere visitati in ambulatorio. Questo potrebbe essere un metodo economico, semplice ed efficace per identificare i pazienti che necessitano di ulteriori indagini. Tuttavia, l’algoritmo richiede un ulteriore perfezionamento e convalida esterna in altre popolazioni ed etnie. È già noto che alcune caratteristiche del viso sono associate a un aumentato rischio di malattie cardiache. Questi includono diradamento o capelli grigi, rughe, piega del lobo dell’orecchio, xantelasmati (piccoli depositi gialli di colesterolo sotto la pelle, di solito intorno alle palpebre) e arcus corneae (depositi di grasso e colesterolo che appaiono come un anello opaco bianco, grigio o blu opaco nei bordi esterni della cornea). Tuttavia, sono difficili da utilizzare con successo per gli esseri umani per prevedere e quantificare il rischio di malattie cardiache. I ricercatori del Dipartimento di Automazione dell’Università Tsinghua di Pechino hanno arruolato 5.796 pazienti provenienti da otto ospedali in Cina per lo studio tra luglio 2017 e marzo 2019. I pazienti erano sottoposti a procedure di imaging per esaminare i loro vasi sanguigni, come l’angiografia coronarica o l’angiografia coronarica con tomografia computerizzata (CCTA). Sono stati divisi casualmente in gruppi di formazione (5.216 pazienti, 90%) o di convalida (580, 10%). Infermieri di ricerca qualificati hanno scattato quattro foto facciali con fotocamere digitali: una frontale, due profili e una vista della parte superiore della testa. Hanno anche intervistato i pazienti per raccogliere dati sullo stato socioeconomico, sullo stile di vita e sulla storia medica. I radiologi hanno esaminato gli angiogrammi dei pazienti e valutato il grado di malattia cardiaca in base al numero di vasi sanguigni ristretti del 50% o più (stenosi ≥ 50%) e alla loro posizione. Queste informazioni sono state utilizzate per creare, addestrare e convalidare l’algoritmo di apprendimento profondo. I ricercatori hanno quindi testato l’algoritmo su altri 1.013 pazienti di nove ospedali cinesi, arruolati tra aprile 2019 e luglio 2019. La maggior parte dei pazienti in tutti i gruppi era di etnia cinese Han. Hanno scoperto che l’algoritmo ha superato i metodi esistenti di previsione del rischio di malattie cardiache (modello Diamond-Forrester e punteggio clinico del consorzio CAD). Nel gruppo di pazienti di convalida, l’algoritmo ha rilevato correttamente la cardiopatia nell’80% dei casi (il tasso di veri positivi o ‘sensibilità’) e la cardiopatia correttamente rilevata non era presente nel 61% dei casi (il vero tasso negativo o ‘specificità’ ). Nel gruppo di test, la sensibilità era dell’80% e la specificità del 54%. L’algoritmo ha avuto una prestazione moderata e ulteriori informazioni cliniche non ne hanno migliorato le prestazioni, il che significa che potrebbe essere facilmente utilizzato per prevedere potenziali malattie cardiache basandosi solo sulle foto del viso. La guancia, la fronte e il naso hanno fornito più informazioni all’algoritmo rispetto ad altre aree del viso. Tuttavia, bisogna migliorare la specificità in quanto un tasso di falsi positivi fino al 46% può causare ansia e disagio ai pazienti, nonché potenzialmente sovraccaricare le cliniche con pazienti che richiedono test non necessari. Oltre a richiedere test in altri gruppi etnici, i limiti dello studio includono il fatto che solo un centro nel gruppo di test era diverso da quei centri che fornivano ai pazienti lo sviluppo dell’algoritmo, il che potrebbe limitare ulteriormente la sua generalizzabilità ad altre popolazioni. Nel complesso, lo studio evidenzia un nuovo potenziale nella diagnostica medica e la sua forza sta nell’approccio che l’algoritmo di apprendimento profondo richiede semplicemente un’immagine del viso come unico input di dati, rendendolo altamente e facilmente applicabile su larga scala. L’utilizzo dei selfie come metodo di screening può consentire un modo semplice ma efficiente di filtrare la popolazione generale verso una valutazione clinica più completa. Un tale approccio può anche essere molto rilevante per le regioni del globo che sono sottofinanziate e hanno programmi di screening per le malattie cardiovascolari deboli. Un processo di selezione che può essere fatto facilmente come fare un selfie consentirà un flusso stratificato di persone che vengono immesse nei sistemi sanitari per i test diagnostici di prima linea con CCTA. In effetti, gli individui “ad alto rischio” potrebbero avere un CCTA, che consentirebbe una stratificazione del rischio affidabile con l’uso delle nuove metodologie basate sull’intelligenza artificiale per l’analisi delle immagini CCTA. Infine va sottolineato che le questioni etiche nello sviluppo e nell’applicazione di queste nuove tecnologie sono di fondamentale importanza. La ricerca futura sugli strumenti clinici dovrebbe prestare attenzione alla privacy, all’assicurazione e ad altre implicazioni sociali per garantire che lo strumento venga utilizzato solo per scopi medici.

Daniele Corbo

Bibliografia: “Feasibility of using deep learning to detect coronary artery disease based on facial photo” by Shen Lin et al. European Heart Journal.

Immagine: selfie #4(Marina Zvidrina)