Sappiamo come l’amiloidosi cardiaca (CA) da transtiretina sia una patologia la cui prevalenza incrementi con l’età e spesso viene riscontrata in pazienti con stenosi aortica severa (AS) trattati con sostituzione transcatatere (TAVR) [1]. Alcune casistiche hanno ipotizzato che tale associazione si potrebbe riscontrare fino al 16% dei soggetti sottoposti a TAVR se questi venissero sottoposti a un esame di screening completo per la ricerca dell’amiloidosi [2]. Tuttavia, la ricerca routinaria di tale patologia è costosa e difficile da eseguire nella pratica clinica.
Negli ultimi anni l’intelligenza artificiale (IA) ha trovato una applicazione sempre maggiore in campo medico nella diagnosi di alcune patologie, per esempio è stata applicata con successo nell’analisi elettrocardiografica per lo screening e la diagnosi di amiloidosi cardiaca [3-4]. A tal proposito, in un recente studio condotto dai ricercatori della Mayo Clinic di Rocester, è stata valutata l’utilità e l’applicabilità di tale algoritmo di intelligenza artificiale già precedentemente validato per valutare la probabilità di amiloidosi cardiaca in pazienti con AS severa sottoposti a TAVR. Inoltre si è voluto anche testare l’impatto clinico di tale approccio, ipotizzando che l’IA possa essere uno strumento utile per lo screening e l’identificazione precoce dei pazienti a rischio più elevato che potrebbero beneficiare di una valutazione tempesitiva ed approfondita per la reale presenza di amiloidosi [5].
Si tratta di uno studio retrospettivo, che ha incluso pazienti di età pari o superiore a 18 anni, sottoposti a TAVR tra il 2012 e il 2018 presso una delle tre sedi della Mayo Clinic. I pazienti dovevano aver effettuato un ECG a 12 derivazioni entro un mese dalla procedura TAVR che veniva analizzato dall’algoritmo di intelligenza artificiale integrato nella cartella clinica elettronica istituzionale che forniva un rischio predittivo per la probabilità di amiloidosi. L’alta probabilità di amiloidosi cardiaca veniva definita come una previsione di rischio superiore al 50% da parte del modello predittivo dell’algoritmo di IA di analisi dell’ECG. In questo modo la popolazione è stata suddivisa in pazienti ad alto rischio di CA rispetto a quelli a basso rischio.
I dati clinici, i fattori di rischio cardiovascolare, le comorbilità, i dati ecocardiografici inclusi la frazione di eiezione del ventricolo sinistro, la pressione sistolica del ventricolo destro e lo spessore della parete del ventricolo sinistro, nonché i valori di laboratorio sono stati estratti dal database TAVR della Mayo Clinic. Le cartelle cliniche elettroniche sono state riesaminate per valutare la presenza di una diagnosi clinica certa di amiloidosi, basata su scintigrafia con tecnezio-pirofosfato, dosaggio delle catene leggere libere e/o di una biopsia endomiocardica. Anche gli outcome clinici, inclusi la mortalità per tutte le cause, i ricoveri ospedalieri per scompenso cardiaco (HF), gli episodi ischemici cerebrali (TIA/ictus) e l’infarto del miocardio (IM) a un anno di follow-up dopo la procedura TAVR sono stati estratti dal database TAVR. È stato inoltre valutato un composito di eventi avversi cardiovascolari maggiori (MACE) definito come l’insieme di ricoveri ospedalieri per HF, IM ed ictus ischemico.
Lo studio ha incluso un totale di 1426 pazienti, con un’età media di 81,0 ± 8,5 anni e il 57,6% di sesso maschile. Dalla revisione delle cartelle cliniche solo 17 pazienti (1,2% della popolazione) presentava una diagnosi clinica certa di amiloidosi cardiaca. L’algoritmo IA per ECG ha però identificato un’alta probabilità di CA in 349 pazienti (24,4%). Questo sottogruppo a maggiore probabilità di CA era più frequentemente di sesso maschile (69,9% contro 53,6%, p<0,001) e presentava maggiori comorbidità ed una storia cardiologica più complessa, con una maggiore incidenza di ipertensione (88,2% contro 82,3%, p=0,009), diabete (38,9% contro 32,0%, p=0,017), scompenso cardiaco (81,3% contro 75,9%, p=0,035), ictus/TIA (19,7% contro 14,5%, p=0,021), infarto del miocardio (29,7% contro 22,7%, p=0,007), rivascolarizzazione (45,5% contro 35,4%, p<0,001), impianto di pacemaker e/o defibrillatore (27,7% contro 14,2%, p<0,001). Un totale di 144 pazienti (41,2%) identificati ad alto rischio di CA assumeva terapia anticoagulante, principalmente per fibrillazione atriale.
Durante il follow-up ad un anno, 171 pazienti (11,9% della popolazione) è deceduto. Cinquantanove decessi (15,7%) si sono verificati nel gruppo ad alta probabilità di CA e 116 (10,7%) nel gruppo a bassa probabilità (HR 1,51, IC 95% 1,10-2,08, p=0,012). In totale, 221 pazienti (15,5%) hanno manifestato un MACE, di cui 70 (20,0%) nel gruppo ad alta probabilità di CA e 151 (14,0%) nel gruppo a bassa probabilità (HR 1,48, IC 95% 1,12-1,97, p=0,006). Le reospedalizzazioni per scompenso cardiaco sono state in assoluto gli eventi più frequenti, con un’incidenza del 16,3% nel gruppo ad alta probabilità di CA e del 9,9% nel gruppo a bassa probabilità (HR n1,69, IC 1,23-2,33, p=0,001). Dopo aver aggiustato i dati tenendo conto delle caratteristiche demografiche e delle comorbilità, l’HR per la mortalità per tutte le cause (HR 1.40, p=0.046), per i MACE (HR 1.36, p=0.041) e per le reospedalizzazioni per HF (HR 1.58, p=0.008) è rimasto significativamente aumentato per i pazienti nel gruppo ad alta probabilità di CA.
L’importanza di questo lavoro risiede nel fatto che è stato il primo a dimostrare come un algoritmo di AI in grado di analizzare ECG di pazienti sottoposti a TAVR è capace di individuare quelli con maggiore probabilità di essere affetti da amiloidosi cardiaca e soprattutto a maggior rischio di eventi cardiovascolari. La capacità di identificare pazienti con prognosi peggiore e potenzialmente con una maggiore probabilità di CA con un test economico, ampiamente disponibile e point-of-care come l’ECG di superficie ha implicazioni pratiche fondamentali, in particolare per lo screening della CA prima della TAVR. Nello studio solo 17 pazienti dell’intera coorte avevano una diagnosi effettiva di amiloidosi, dato il linea con il “real word” in cui è difficile effettuare in tutti i soggetti con stenosi aortica severa una valutazione completa e specifica per l’amiloidosi. Tuttavia è noto come la vera prevalenza di CA in questo setting sia significativamente più elevata, con studi che utilizzano lo screening di massa completo per la ricerca di amiloidosi da transtiretina che riportano una prevalenza del 13-16%. Di conseguenza, l’algoritmo predittivo di IA per ECG impiegato nello studio può essere clinicamente utile come strumento di screening economico, in grado di identificare un sottogruppo di pazienti che potrebbero beneficiare di una successiva valutazione diagnostica dedicata per amiloidosi, soprattutto in un’epoca in cui sono disponibili nuovi trattamenti per tale patologia.
Lo studio presenta alcuni limiti, innanzitutto la sua natura retrospettiva ed il fatto che non è stata fatta una valutazione sistemica dell’amiloidosi nella popolazione studiata, quindi non abbiamo la conferma della reale prevalenza della patologia. Questi risultati sono però estremamente promettenti, anche se sono necessari ulteriori dati per confermare il reale impatto clinico dell’algoritmo di IA sia sulla diagnosi che sul trattamento dell’amiloidosi cardiaca.
Bibliografia di riferimento:
- Castano A, Narotsky DL, Hamid N, Khalique OK, Morgenstern R, DeLuca A, et al. Unveiling 26 transthyretin cardiac amyloidosis and its predictors among elderly patients with severe aortic stenosis 27 undergoing transcatheter aortic valve replacement. Eur Heart J. 2017;38:2879-87. 28
- Nitsche C, Scully PR, Patel KP, Kammerlander AA, Koschutnik M, Dona C, et al. Prevalence and 29 Outcomes of Concomitant Aortic Stenosis and Cardiac Amyloidosis. J Am Coll Cardiol. 2021;77:128-39.
- Grogan M, Lopez-Jimenez F, Cohen-Shelly M, Dispenzieri A, Attia ZI, Abou Ezzedine OF, et al. 35 Artificial Intelligence-Enhanced Electrocardiogram for the Early Detection of Cardiac Amyloidosis. Mayo 36 Clin Proc. 2021;96:2768-78.
- Harmon DM, Mangold K, Baez Suarez A, Scott CG, Murphree DH, Malik A, et al. Postdevelopment 38 Performance and Validation of the Artificial Intelligence-Enhanced Electrocardiogram for Detection of 39 Cardiac Amyloidosis. JACC: Advances. 2023
- M. Pereyra et al. The Prognostic Value of Artificial Intelligence to Predict Cardiac Amyloidosis in Patients with Severe Aortic Stenosis Undergoing Transcatheter Aortic Valve Replacement, in press European Heart Journal, March 2024