L’intelligenza artificiale sta rivoluzionando la cardiologia preventiva, trasformando comuni esami TAC in potenti strumenti di screening cardiovascolare. Questa innovazione tecnologica permette di identificare rischi nascosti di infarto in pazienti asintomatici, aprendo nuove possibilità per una prevenzione su misura e accessibile a milioni di persone.
Indice degli argomenti
La rivoluzione silenziosa nella prevenzione cardiologica
Nel corso degli ultimi due decenni la medicina preventiva cardiologica ha iniziato una trasformazione che, probabilmente, nemmeno i “pionieri” della radiologia avrebbero potuto prevedere. Ogni anno milioni di persone si sottopongono a una TAC (Tomografia Assiale Computerizzata, esame che crea immagini dettagliate dell’interno del corpo usando i raggi X) al torace per motivi diversi: esami di screening per tumore, controlli dopo un incidente stradale, monitoraggi di patologie croniche o, semplicemente, visite preventive. Fino ad oggi, grandi quantità di dati nascosti in queste immagini venivano lasciate “in ombra”. Eppure, dietro quelle scansioni ordinariamente richieste si celava un potenziale nemico silenzioso: il calcio coronarico (o “calcium score“), valore che misura quanto calcio è presente nelle arterie, un indizio affidabile che, forse, si sta imboccando la strada verso un infarto.
Gli scienziati hanno dimostrato, sin dagli anni ’80, che la presenza e la quantità di calcio nelle arterie coronariche rappresentano il segnale più affidabile per predire eventi cardiovascolari, molto più dei classici indici di rischio come colesterolo, pressione alta o familiarità. Tuttavia, la procedura per misurare questo valore, basata su TAC cardiache apposite e sofisticate, spesso effettuate solo su pazienti già giudicati ad alto rischio, ha reso la prevenzione una “faccenda d’élite”. Infatti, la difficoltà di accesso, i costi e le tempistiche hanno sempre limitato lo screening, lasciando la salute di milioni di pazienti alla mercé della “buona sorte”.
L’intelligenza artificiale legge il cuore dalle TAC comuni
Ed è qui che entra in gioco la rivoluzione portata dalle nuove tecnologie di Intelligenza Artificiale. Studi effettuati a livello mondiale, dalla Harvard Medical School al Mass General Brigham (entrambe di Boston, USA) fino alle sperimentazioni presso le accademie di medicina (come la turca Ege University), hanno dimostrato che è ora possibile rilevare e quantificare il calcio coronarico non solo nelle TAC cardiache “classiche”, ma anche nelle comuni TAC toraciche fatte per altri scopi. Questo cambiamento epocale nasce dall’utilizzo di algoritmi di Deep Learning (le reti neurali che apprendono dai dati) che riconoscono e quantificano i minimi segnali di calcificazione dalle immagini, anche in esami che i radiologi tradizionalmente non prendevano in considerazione per valutare il cuore.
Predizione cardiovascolare oltre il novanta per cento di accuratezza
Il salto di qualità non si limita però solo a questa estensione dello screening. L’Intelligenza Artificiale permette ora di integrare in modo dinamico, e ben più sofisticato di quanto possa fare l’occhio umano, le informazioni sulle immagini con dati clinici, genetici, biomarcatori, dati di laboratorio, persino stili di vita e fattori ambientali. Nel Global Coronary Artery Calcium Consortium, un lavoro pubblicato nel 2024, è stato mostrato che, includendo questi parametri, la capacità di prevedere un evento cardiovascolare maggiore superava il 90% di accuratezza, ben oltre quanto ottenevano i sistemi fino a pochi anni fa.
AI-CAC, l’algoritmo che salva vite analizzando milioni di immagini
Questa rivoluzione, però, non è solo teorica. Nel 2025, lo statunitense Mass General Brigham ha messo a punto un algoritmo chiamato AI-CAC (Intelligenza Artificiale per il Calcium Score), che analizza le immagini delle TAC per calcolare automaticamente la quantità di calcio nelle arterie coronarie, aiutando così a valutare il rischio di infarto. L’AI-CAC è capace di rivedere archivi di milioni di TAC toraciche e individuare quei soggetti che, spesso sani e senza sintomi, presentano livelli di calcio elevati, predisponendoli a rischio di infarto o morte improvvisa. L’algoritmo è stato testato su oltre ottomila scansioni e si è dimostrato accuratissimo, prevedendo il rischio reale di eventi nei dieci anni successivi. Nei pazienti individuati a rischio molto alto (calcium score superiore a 400), la conferma dei cardiologi era schiacciante: quasi tutti avrebbero tratto beneficio da una terapia preventiva con statine o altri farmaci per abbassare i livelli di colesterolo nel sangue.
Screening tempestivo riduce mortalità e costi sanitari
Le implicazioni sanitarie sono immediate. Diagnosi più tempestive e personalizzate possono ridurre costi per sistemi sanitari pubblici e privati e offrire nuovi margini di intervento lì dove prima si sarebbe atteso il primo evento acuto. Studi come quello condotto in Svezia su 25.000 pazienti confermano che con la presenza di calcio nelle arterie, la probabilità di morte nei dieci anni successivi alla scoperta è circa tre volte più alta rispetto a chi non ne ha. L’Intelligenza Artificiale permette ora di agire in anticipo, magari convincendo il paziente ad adottare stili di vita più sani o sottoponendolo a terapie protettive quando ancora non ha avuto alcun sintomo.
Il rischio dei bias algoritmici nella medicina predittiva
Siamo però ancora agli inizi di questa rivoluzione. Una delle questioni più complesse riguarda il bias (pregiudizio) e la “giustizia” degli algoritmi: i modelli devono essere pensati per funzionare bene su tutte le popolazioni (per tutte le etnie, uomini e donne, giovani e anziani) evitando di produrre errori predittivi che penalizzino minoranze o gruppi meno rappresentati nei dataset di addestramento dei modelli di Intelligenza Artificiale. Nel 2024 uno studio ha dimostrato che modelli di Intelligenza Artificiale poco diversificati possono ridurre l’accuratezza in individui afroamericani o asiatici, rischiando di accentuare le diseguaglianze invece di ridurle.
Privacy e sicurezza dei dati sanitari nell’era dell’IA
Le sfide non sono però solo di natura tecnica. L’incrocio tra dati personali (soprattutto “sensibili”, come quelli relativi alla salute) e sicurezza delle informazioni richiede regolamentazioni importanti a livello mondiale. E se la nostra Unione Europea “tira il carro” nei solchi tracciati dal rigido GDPR, negli Stati Uniti leggi come l’HIPAA definiscono un perimetro d’azione fatta di continue negoziazioni tra scienza, protezione dei dati personali e pubblica utilità. Insomma, per garantire fiducia nei modelli predittivi occorrono sistemi “federati”: ogni struttura sanitaria tiene e tratta i propri dati, con gli algoritmi che si aggiornano con modelli condivisi senza mai esportare (in maniera non lecita o illegale) immagini e cartelle cliniche dei singoli pazienti all’esterno.
Intelligenza artificiale spiegabile per la fiducia del paziente
Un elemento spesso sottovalutato riguarda la necessità di rendere questi strumenti trasparenti e comprensibili ai pazienti. L’Intelligenza Artificiale tende ad essere una “scatola nera“, difficile da spiegare a chi cerca rassicurazione prima che una risposta tecnica. Per questo i centri più avanzati lavorano a modelli “explainable AI” (ossia, di Intelligenza Artificiale “spiegabile”), capaci di restituire non solo il punteggio, ma anche una rappresentazione grafica del “perché” si sia arrivati a quella conclusione. Mostrare con “mappe di calore” dove l’algoritmo vede i segnali di allarme, spiegare in modo facile perché si consiglia una terapia o una modifica dello stile di vita, aiuta nel rapporto di fiducia tra paziente e medico.
Limiti dello screening di massa e sostenibilità clinica
Non mancano, ovviamente, limiti e criticità anche dal punto di vista clinico. I programmi di screening di massa devono dimostrare di ridurre davvero la mortalità su larga scala. Uno studio di alcuni anni fa su popolazione danese, non ha mostrato nel breve periodo una riduzione significativa di decessi attribuibili allo screening sistemico con calcium score; tuttavia, molti esperti sottolineano che l’efficacia possa dipendere da come vengono gestite le informazioni e dall’effettiva presa in carico dei pazienti “identificati” dall’Intelligenza Artificiale.
Un focus importante è sulla frequenza e sui criteri di screening: la letteratura suggerisce di ripetere l’esame ogni 5-7 anni nei soggetti a basso rischio e ogni 3-5 anni in caso di punteggi elevati, salvo cambiamenti clinici rilevanti. In questo modo si minimizza l’esposizione a radiazioni e a costi inutili, rendendo sostenibile la prevenzione “personalizzata”.
Medicina di precisione integra genomica e dati real-time
La forza dell’Intelligenza Artificiale non si limita, tuttavia, alla “sola immagine”. I modelli più evoluti integrano dati genomici (cioè analisi del DNA per ottenere punteggi di rischio genetico, come i “polygenic risk score“), informazioni proteomiche (ad esempio il dosaggio dell’interleuchina-6, una proteina che segnala la presenza di infiammazione nell’organismo) e dati raccolti da dispositivi indossabili (es. smartwatch, ECG portatili, fitness tracker ecc.). Questa medicina di precisione promette di arrivare a predizioni in tempo reale, incrociando quello che si vede, quello che si “è” e quello che si fa nella vita quotidiana.
Dal paziente passivo al protagonista della propria salute
Entrando nelle storie individuali di ogni singola persona, questo cambiamento si traduce in una medicina che anticipa, dettaglia, consiglia e (si) adatta. Il paziente non riceve più una sentenza “a freddo” ma viene coinvolto nel ragionamento del medico. Per esempio: “oggi il suo livello di calcio nelle arterie è ancora basso, niente panico, ma se fuma, se ha familiarità per infarto precoce, se i marcatori infiammatori sono in salita, potremmo considerare una terapia protettiva. Oppure: “Lei ha avuto un livello di calcio nelle arterie pari a zero, ma il gene X suggerisce di monitorare meglio nei prossimi cinque anni”.
Ottimizzazione delle risorse sanitarie a livello di popolazione
Un altro aspetto chiave è quello della gestione a livello di popolazione interessata: grazie all’Intelligenza Artificiale è possibile analizzare database di milioni di pazienti, identificando cluster di rischio (gruppo di persone con lo stesso livello di rischio per una malattia) e ottimizzando la destinazione delle risorse sanitarie. Questo si traduce in interventi mirati: per esempio, nei programmi di screening per tumore del polmone, la stessa TAC può essere utilizzata per valutare contemporaneamente il rischio cardiovascolare, evitando esami aggiuntivi e garantendo un doppio vantaggio per la salute del cittadino.
Superare resistenze culturali e medicina difensiva
Certo, i problemi non sono solo di natura organizzativa, etica e legale, ma anche culturale. La “resistenza” di alcuni professionisti in medicina a introdurre l’Intelligenza Artificiale come partner diagnostico (e non come sostituto del medico) va progressivamente superata con formazione, coinvolgimento e aggiornamento continuo. In particolare, servono linee guida chiare su chi debba essere seguito e come, una volta identificato come soggetto a rischio dall’Intelligenza Artificiale. Il rischio della medicina “difensiva” (fare troppo per timore di sbagliare) è dietro l’angolo: senza appropriati percorsi di follow-up (controlli e visite periodiche per monitorare la salute dopo una diagnosi o un trattamento) si rischia di affollare gli ambulatori e impiegare risorse scarse per controlli superflui.
Il futuro multimodale della cardiologia predittiva
Guardando avanti, il futuro parla di “multi-modalità“: strumenti di Intelligenza Artificiale che combinano non solo le immagini ma anche la voce del paziente (“anamnesi digitalizzata“), pattern nei battiti cardiaci (si analizza come varia il battito cardiaco nel tempo per individuare segnali precoci di problemi al cuore) e, persino, parametri ambientali e sociali che (grazie ai dispositivi smart) entreranno anch’essi a far parte della valutazione personalizzata di ogni singolo paziente.
Verso una sanità equa, trasparente e umana
In sintesi, la combinazione tra Intelligenza Artificiale e calcium score rappresenta oggi una delle più promettenti innovazioni nella lotta alle malattie cardiovascolari. La sfida sarà declinare questa enorme potenzialità in un modello di sanità sempre più equa, trasparente, efficace e “umana”. Perché, se è vero che la tecnologia offre oggi strumenti impensabili solo dieci anni fa, la vera svolta sarà dare senso e valore ai dati, restituendo al paziente il ruolo di protagonista nella propria salute e avvicinando (finalmente) la medicina a una vera prevenzione su misura.
