«L’intelligenza artificiale non è il futuro della cardiologia. È il presente. Chi ancora la percepisce come una tecnologia emergente e lontana dalla pratica quotidiana rischia di trovarsi già in ritardo rispetto ai propri pazienti e ai propri colleghi». Con queste parole, Laura Adelaide Dalla Vecchia, presidente della Sicoa, la Società italiana cardiologia ospedalità accreditata, apre una riflessione su una trasformazione che sta riscrivendo le regole della medicina cardiovascolare.

Come sottolineato nell’articolo pubblicato sul Giornale italiano di cardiologia, “L’intelligenza artificiale in cardiologia: il nostro HAL 9000?”, in cardiologia l’intelligenza artificiale offre ogni giorno strumenti innovativi per la diagnosi, la stratificazione prognostica, la pianificazione interventistica e la personalizzazione delle cure.

Dalla diagnostica “invisibile” alla necessità di validazione indipendente

Al centro di questa rivoluzione si colloca la capacità dell’intelligenza artificiale di scorgere segnali patologici laddove l’occhio umano, per quanto esperto, non riesce ad arrivare. Un esempio emblematico è rappresentato dai lavori della Mayo Clinic, in particolare lo studio sull’applicazione dell’intelligenza artificiale all’elettrocardiogramma. I ricercatori e le ricercatrici sono riusciti a ottenere un valore di Auc (Area under the curve) – che rappresenta l’esposizione totale al farmaco in funzione del tempo – di 0.93 nell’identificazione della disfunzione ventricolare sinistra silente.

Questo dato permetterebbe di individuare pazienti a rischio attraverso un esame economico, ubiquitario e di rapida esecuzione. Il problema principale, però, risiede nel fatto che spesso questi algoritmi vengono addestrati su coorti monocentriche e demograficamente limitate. Quando questi modelli vengono applicati a popolazioni eterogenee, come anziani con pluripatologie o etnie sottorappresentate, le performance possono calare in modo drastico e imprevedibile. Il rischio concreto non è solo una perdita di precisione, ma la creazione di un bias sistematico che potrebbe penalizzare proprio le popolazioni più fragili, esacerbando le disuguaglianze nell’accesso alle cure. Per mitigare questi rischi, la comunità scientifica suggerisce l’adozione di tre pilastri fondamentali per l’implementazione dell’IA.

«Nessun algoritmo dovrebbe essere adottato nella pratica clinica senza una validazione esterna rigorosa su popolazioni eterogenee», spiega Marco Bernardi, cardiologo dell’Uoc Utic emodinamica-cardiologia dell’Ospedale “Santa Maria Goretti” di Latina, sottolineando l’importanza dell’indipendenza di chi conduce i test rispetto agli sviluppatori del software. «In secondo luogo – aggiunge – è necessario un monitoraggio costante nel tempo, poiché l’efficacia di un modello può degradarsi a causa di cambiamenti nei protocolli clinici o nell’assetto demografico dei pazienti».

Infine, viene invocata una trasparenza totale sui dataset di addestramento, affinché il clinico possa comprendere i limiti dello strumento e decidere in modo consapevole se affidarsi all’output suggerito.

Oltre la “Black Box”: la spiegabilità come base della fiducia

Il superamento della diffidenza verso l’IA passa per la demolizione del concetto di “black box”, ovvero l’opacità dei modelli complessi che non permettono di comprendere il percorso logico che porta a una diagnosi. Un caso di successo in questa direzione è l’evoluzione del punteggio di rischio per le sindromi coronariche acute, con il passaggio dal modello GRACE classico al GRACE 3. Grazie al machine learning, questo nuovo strumento è in grado di cogliere relazioni non lineari e interazioni tra variabili che i modelli statistici tradizionali non riuscivano a processare. È interessante notare come l’IA riesca a correggere distorsioni storiche della medicina di genere.

«Il fatto che GRACE 3.0 performi meglio nelle donne è particolarmente rilevante», spiega Bernardi, ricordando che la popolazione femminile è stata storicamente sottorappresentata nei trial e spesso sottovalutata nei percorsi clinici standard per le coronaropatie. Questo dimostra come una tecnologia ben progettata possa non solo essere più accurata, ma anche più equa. Tuttavia, l’eccellenza di un algoritmo resta teoria se non si scontra con la realtà operativa delle strutture sanitarie. E molte strutture ospedaliere soffrono oggi di una frammentazione tecnologica, con sistemi informatici che non comunicano e dati isolati in silos non interoperabili.

«Un algoritmo accurato che richieda l’inserimento manuale dei dati o l’accesso a piattaforme esterne difficilmente troverà spazio nella concitazione di un pronto soccorso o di una terapia intensiva coronarica», sottolinea il cardiologo. Il salto di qualità definitivo richiede, dunque, uno sforzo sistemico. Non basta che l’intelligenza artificiale sia precisa; deve essere integrata fluidamente nei flussi di lavoro attraverso l’adozione di standard condivisi che permettano il dialogo tra i sistemi sanitari in tempo reale. La progettazione di questi strumenti deve mettere al centro l’esperienza del clinico, rendendo l’intelligenza artificiale un elemento accessibile e comprensibile, parte integrante del momento decisionale e non un corpo estraneo a esso.

L’IA nella ricerca: il nuovo ruolo del ricercatore-supervisore

Se la clinica affronta sfide di integrazione, il mondo della ricerca scientifica è già stato travolto dalla diffusione massiva di strumenti di intelligenza artificiale generativa come ChatGPT. Questo cambiamento, come riportato anche dallo studio “Artificial intelligence tools for scientific writing: the good, the bad and the ugly” sta portando a una ridefinizione profonda della figura dello scienziato, che evolve da autore tradizionale a “supervisore e curatore” dell’output prodotto dalla macchina.

«Sul fronte delle opportunità – dice Bernardi – l’IA permette di accelerare l’ideazione dei progetti, supporta la strutturazione dei manoscritti e facilita l’accesso alla letteratura internazionale superando le barriere linguistiche». D’altro canto, il pericolo delle cosiddette “allucinazioni” è una realtà documentata: i modelli possono generare contenuti apparentemente plausibili ma completamente falsi, arrivando a inventare riferimenti bibliografici inesistenti.

«È un fenomeno sistematico che richiede una vigilanza costante per evitare l’inquinamento dei dati scientifici», aggiunge. Per governare questa transizione, vengono proposti tre standard di governance imprescindibili. In primo luogo, la trasparenza: ogni articolo scientifico deve dichiarare in modo esplicito se e come sono stati utilizzati strumenti generativi, fornendo dettagli sufficienti per una valutazione critica. In secondo luogo, resta ferma la responsabilità individuale: ogni affermazione pubblicata ricade esclusivamente sugli autori umani, indipendentemente dal supporto tecnologico utilizzato. Infine, è cruciale investire nella formazione, specialmente per i giovani ricercatori e le giovani ricercatrici, affinché acquisiscano una consapevolezza critica sui limiti intrinseci di questi strumenti.

Verso una cardiologia “saldamente umana”

Tecnologia a parte, la sfida dell’intelligenza artificiale è etica e professionale. L’obiettivo è che la cardiologia del futuro resti «saldamente umana», con il personale medico che mantiene il ruolo di garante del significato profondo delle decisioni cliniche. «L’essere umano deve rimanere al centro del processo, non come mero esecutore delle analisi fornite dall’IA, ma come interprete critico capace di integrare il dato algoritmico con la complessità del vissuto del paziente», precisa la presidente della Sicoa, che ribadisce l’impegno della società scientifica nel sostenere la conoscenza critica dell’intelligenza artificiale, affinché i medici siano preparati a usare questi nuovi strumenti con la stessa naturalezza e competenza con cui utilizzano un fonendoscopio o un ecocardiografo.

«Non si tratta di inseguire una moda tecnologica», conclude Dalla Vecchia, «ma di garantire che i medici che ogni giorno si prendono cura dei pazienti siano preparati». Questo impegno si concretizzerà nel prossimo Congresso Nazionale Sicoa, a Pavia dal 21 al 23 maggio, dove una sessione interamente dedicata a questi temi favorirà un confronto multidisciplinare.