L’elettrocardiogramma diagnostica l’anemia

L’anemia è la più comune patologia ematologica ed è causata da numerose malattie acute e croniche.

I sintomi sono spesso vaghi e la diagnosi, difficile con la sola anamnesi, è spesso effettuata in fase avanzata. L’esame diagnostico gold standard è l’emocromo, che richiede il prelievo ematico e strutture in grado di analizzarlo.

L’anemia è causa di malattie cardiovascolari ischemiche e di scompenso cardiaco, inoltre si associa ad aumentata morbilità e mortalità cardiovascolare e outcome negativi in pazienti affetti da malattia renale cronica, sindrome coronarica acuta, sepsi, soprattutto negli anziani.
Secondo alcuni autori potrebbe essere considerata un nuovo fattore di rischio cardiovascolare^{[1] [2] [3]}.

Lo screening, la diagnosi precoce e il monitoraggio dei soggetti a rischio potrebbero essere pertanto molto utili per prevenire le complicanze multi-organo ad essa riconducibili.

Diversi studi hanno evidenziato che l’anemia, provocando ridotto apporto di ossigeno al miocardio, modifica la morfologia dell’ECG, peraltro a livello minimale, con alterazioni non evidenziabili per l’occhio umano.

Un recente studio coreano, retrospettivo, multicentrico, è il primo a evidenziare la possibile applicazione dei segnali ecgrafici per la diagnosi di condizioni sistemiche, nel caso specifico l’anemia.

Gli autori, utilizzando un algoritmo di deep learning, hanno realizzato una mappa di sensibilità per identificare le regioni ecografiche più significative per la diagnosi di anemia moderata-severa (< 10 g/dL).

La sensibilità della metodica è risultata pari al 90% e il valore predittivo negativo maggiore del 99%, performance migliori di quelle di test di screening validati come la mammografia e il sangue occulto nelle feci.

Il valore predittivo positivo è risultato, invece, molto basso (15%), per la scarsa prevalenza dell’anemia nella popolazione esaminata. È previsto per questo uno studio prospettico in pazienti ad alto rischio^[4].

Lo studio, che ha analizzato un data set di oltre 57.000 ECG, ha rilevato che i segni più significativi di anemia erano il basso voltaggio del QRS, la deviazione a dx dell’asse dell’onda T e l’aumento dell’intervallo QT corretto, attribuibili al ridotto apporto di ossigeno.

Secondo i ricercatori gli ECG potrebbero essere acquisiti anche da dispositivi indossabili come patch oppure orologi smart, soprattutto nei paesi senza adeguate infrastrutture per eseguire gli esami di laboratorio.

Gli autori auspicano infine che il loro metodo consenta di comprendere le potenziali relazioni tra elettrofisiologia e altre malattie sistemiche.

Commento

La possibilità di diagnosticare patologie non cardiache con l’ECG, strumento familiare per generazioni di medici, apre affascinanti prospettive.

Le aspettative nei confronti dell’IA e la propensione verso l’accettazione acritica dell’innovazione in quanto tale (il cosiddetto pro-innovation bias) rischiano peraltro di sottovalutare i rischi relativi di un utilizzo delle tecnologie non motivato da prove certe.

Ad esempio, lo studio in esame è retrospettivo, osservazionale, pertanto l’efficacia dello screening dell’anemia con l’ECG dovrà essere sottoposta a ulteriore valutazione/verifica, mediante lavori prospettici, metodologicamente robusti, su outcome clinici, eseguiti in contesti di pratica e pubblicati su riviste sottoposte al vaglio della peer review.

Spesso, i dati necessari all’addestramento degli algoritmi di IA per elaborare modelli predittivi, sono di qualità non ottimale, ad esempio perché, in certi casi, possono “imparare” gli errori delle intelligenze “naturali”, cioè dei professionisti che forniscono i “materiali da allenamento”, i cosiddetti training data.

Nel caso specifico, il basso valore predittivo positivo della metodica segnala la necessità di un processo di rielaborazione  e stratificazione per individuare una popolazione di soggetti a maggior rischio di anemia, ed anche con valori meno ridotti, sulla quale testare il sistema per fornire risposte effettivamente implementabili nella pratica.

Oltre agli aspetti metodologici, si può inoltre osservare che l’eccessivo (af)fidarsi alle macchine rischia di mettere da parte la clinica, l’osservazione diretta delle persone: un’anemia inferiore a 10 g/dL in genere non dovrebbe passare totalmente inosservata.

Anche l’idea che nei paesi a basso reddito o disagiati per motivi geografici sia più facile disporre e gestire algoritmi di IA piuttosto che eseguire un emocromo è abbastanza difficile da accettare.

L’IA sta cambiando il paradigma culturale della medicina, le capacità analitiche degli algoritmi ci prospettano un possibile cambio di paradigma nel potere decisionale.  Non dobbiamo più osservare un sistema complesso per anni e costruire modelli empirici ma possiamo disporre di costruzioni algoritmiche per prevedere il futuro^[5].

I medici devono peraltro svolgere un ruolo di guida, supervisione e monitoraggio (essere “in the loop” anziché “out of the loop“), utilizzando la propria intelligenza (“il coraggio di servirci della nostra intelligenza”, per riprendere la famosa frase di Kant) e le capacità che li rendono superiori alle macchine, in particolare l’astrazione, l’intuizione, la flessibilità, l”occhio clinico”, le cosiddette soft skills, aspetti della professione che un algoritmo non saprà mai riprodurre.

Gli umani devono esercitare un approccio conservativo e costruttivamente critico nei confronti delle macchine, evidenziando le loro enormi potenzialità, ma anche i limiti.

Solo l’integrazione tra la tecnologia e l’esperienza clinica dei professionisti della salute potrà infatti consentire di progettare e utilizzare tecnologie effettivamente utili e applicabili in contesti clinici reali anziché sperimentali.