Skip to main content

Deep learning per stimare il rischio cardiovascolare a partire da una singola radiografia del torace

Redazione By 27 Marzo 2024Aprile 2nd, 2024No Comments
NewsSpeciali
deep learning radiografia

Uno studio pubblicato ieri sugli Annals of Internal Medicine ha valutato la performance di un modello di deep learning (CXR CVD-Risk) in grado di stimare, sulla base di una singola radiografia del torace, il rischio di eventi cardiovascolari avversi maggiori (MACE) a 10 anni (1).

Le linee guida per la prevenzione primaria delle patologie cardiovascolari raccomandano infatti l’utilizzo di un calcolatore per stimare il rischio a lungo termine e stabilire quali pazienti avviare a un trattamento. Poiché i dati richiesti dai calcolatori standard sono spesso mancanti, tuttavia, è utile sviluppare approcci complementari che permettano di ottenere una stima sufficientemente accurata in modo alternativo.

Lo studio in questione ha valutato il modello di deep learning CXR CVD-Risk, in grado di effettuare una stima a partire da una singola radiografia del torace, su una popolazione di pazienti potenzialmente idonei per un trattamento con statine per la prevenzione cardiovascolare primaria.

Tra i 8.869 pazienti con rischio di patologie cardiovascolari sconosciuto presi in considerazione per la validazione del modello CXR CVD-Risk, quelli con un rischio predetto del 7,5% o superiore sono risultati associati, dopo l’aggiustamento per i fattori di rischio, a un rischio maggiore di MACE a 10 anni.

Nei 2.132 pazienti con rischio di patologie cardiovascolari noto, poi, il modello CXR CVD-Risk è risultato in grado di predire il rischio di MACE in modo più accurato delle metodiche standard per il calcolo del rischio.

I risultati suggeriscono quindi che l’utilizzo di un modello di deep learning basato sull’analisi di una singola radiografia del torace potrebbe rappresentare un valore aggiunto per lo screening dei pazienti da avviare a un trattamento con statine per la prevenzione primaria, specialmente nei casi in cui non sono disponibili i dati richiesti dalle metodiche standard.

Bibliografia

1. Weiss J, Raghu VK, Paruchuri K, et al. Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs: A Risk Prediction Study. Ann Intern Med 2024; https://doi.org/10.7326/M23-1898.