Un modello di intelligenza artificiale prevede il rischio di eventi cardiovascolari utilizzando le mammografie / AI Model Predicts Cardiovascular Events Risk Using Mammograms

 Un modello di intelligenza artificiale prevede il rischio di eventi cardiovascolari utilizzando le mammografie, Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione. / AI Model Predicts Cardiovascular Events Risk Using Mammograms. The procedure of the ENEA patent RM2012A000637 is very useful in this type of application.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

I ricercatori australiani dell'istituto indipendente di ricerca medica globale The George Institute for Global Health, in collaborazione con l'Università del Nuovo Galles del Sud e l'Università di Sydney, hanno sviluppato un modello di apprendimento automatico in grado di analizzare le immagini mammografiche per prevedere con successo il rischio di eventi cardiovascolari nelle donne. 

Le malattie cardiovascolari, come la coronaropatia, l'aritmia e la valvulopatia, compresi gli eventi cardiovascolari come infarti ed ictus, sono la principale causa di morte nel mondo, con circa 20 milioni di decessi ogni anno. 

Ogni anno circa nove milioni di donne muoiono di malattie cardiovascolari, ma nonostante queste cifre elevate, diversi studi internazionali hanno dimostrato che i sintomi delle malattie cardiovascolari e degli eventi cardiovascolari, così come i relativi fattori di rischio, vengono trascurati molto più spesso nelle donne che negli uomini.

Ad esempio, uno studio del 2024 ha dimostrato che le donne ricoverate in ospedale per un infarto avevano meno probabilità di ricevere le cure necessarie e più probabilità di morire rispetto agli uomini. 

Per questo motivo i ricercatori del George Institute for Global Health hanno voluto trovare un modo per utilizzare i dati esistenti per prevedere il rischio di eventi cardiovascolari nelle donne. 

"È un'idea sbagliata comune pensare che le malattie cardiovascolari colpiscano prevalentemente gli uomini, con conseguente sottodiagnosi e sottotrattamento della patologia nelle donne", ha spiegato la coautrice Clare Arnott, PhD, professore associato e direttore globale del programma cardiovascolare presso il George Institute.

"Integrando lo screening del rischio cardiovascolare con lo screening del seno tramite mammografia, un esame a cui molte donne si sottopongono già in una fase della vita in cui il rischio cardiovascolare aumenta, possiamo identificare e potenzialmente prevenire contemporaneamente due importanti cause di malattia e morte".

Nel loro studio, pubblicato sulla rivista Heart e intitolato "Prevedere eventi cardiovascolari da mammografie di routine utilizzando l'apprendimento automatico", hanno sviluppato un algoritmo di apprendimento profondo completamente automatizzato in grado di analizzare l'architettura e le caratteristiche dell'intero seno per prevedere il rischio cardiovascolare nelle donne sottoposte a screening mammografico di routine per il cancro al seno.

Sebbene l'idea di utilizzare le immagini mammografiche per comprendere questo rischio non sia nuova, gli studi finora si sono concentrati solo su alcune caratteristiche delle immagini mammografiche, come la calcificazione delle arterie mammarie. Tuttavia, questo approccio presenta dei limiti, poiché il rischio di eventi cardiovascolari può derivare da molti fattori. La calcificazione delle arterie mammarie, ad esempio, non può essere applicata con la stessa accuratezza alle donne anziane. 

Nel loro studio, i ricercatori hanno esaminato i dati mammografici di 49.196 donne di età compresa tra 35 e 94 anni, con un'età media di circa 60 anni e un follow-up mediano di 8,8 anni. Di queste donne, 3.392 hanno riferito durante il follow-up di aver avuto un primo evento cardiovascolare maggiore, come aterosclerosi, insufficienza cardiaca, infarto od ictus. 

I ricercatori hanno addestrato il loro algoritmo automatizzato ad analizzare l'intera gamma di strutture e caratteristiche interne del seno da queste immagini mammografiche di routine, tenendo conto dell'età delle donne per prevedere il rischio di gravi malattie cardiovascolari nell'arco di dieci anni. 

Hanno poi confrontato il loro modello di intelligenza artificiale con altri punteggi di rischio e calcolatori, che necessitano di più punti dati basati su fattori di rischio cardiovascolare noti, tra cui pressione sanguigna e colesterolo. 

"Abbiamo scoperto che il nostro modello funzionava altrettanto bene senza la necessità di dati clinici e medici estesi", ha affermato Arnott. "Il nostro modello è il primo ad utilizzare una gamma di caratteristiche delle immagini mammografiche combinate semplicemente con l'età: un vantaggio fondamentale di questo approccio è che non richiede anamnesi aggiuntiva o dati della cartella clinica, il che lo rende meno dispendioso in termini di risorse da implementare, pur mantenendo un'elevata accuratezza". 

Come passo successivo, i ricercatori intendono convalidare il loro algoritmo su popolazioni di pazienti più diversificate, utilizzando diverse pratiche di screening per valutare la generalizzabilità del loro modello di intelligenza artificiale e perfezionarlo ulteriormente.

ENGLISH

Researchers in Australia at the independent global medical research institute, The George Institute for Global Health, in collaboration with the University of New South Wales and the University of Sydney, have developed a machine learning model that can analyze mammography images to successfully predict the risk of cardiovascular events in women. 

Cardiovascular diseases, such as coronary artery disease, arrhythmia, and heart valve disease, and including cardiovascular events such as heart attacks and strokes, are the leading cause of death worldwide, resulting in approximately 20 million deaths each year. 

Every year, around nine million women die of cardiovascular disease, but despite these high numbers, several international studies have shown that the symptoms of cardiovascular disease and cardiovascular events, as well as their risk factors, are overlooked far more often in women than in men.

For example, a 2024 study showed that women who were hospitalized with a heart attack were less likely to receive the necessary treatment and more likely to die than men. 

For this reason the researchers at The George Institute for Global Health wanted to find a way to use existing data to predict the risk for cardiovascular events in women. 

It’s a common misconception that cardiovascular disease predominantly affects men, resulting in underdiagnosis and undertreatment of the condition in women,” explained co-author Clare Arnott, PhD, associate professor and global director of the cardiovascular program at The George Institute.

“By integrating cardiovascular risk screening with breast screening through the use of mammograms—something many women already engage with at a stage in life when their cardiovascular risk increases—we can identify and potentially prevent two major causes of illness and death at the same time.”

In their study, published in the journal Heart and titled “Predicting cardiovascular events from routine mammograms using machine learning,” they developed a fully automated deep learning algorithm that can analyze whole breast architecture and characteristics to predict cardiovascular risk in women who undergo routine mammography screening for breast cancer.

While the idea to use mammogram images to understand this risk is not new, studies to date have focused merely on few features in mammographic images, such as breast arterial calcification. However, this has limitations, as the risk for cardiovascular events can come from many factors. Breast arterial calcification, for example, cannot be applied as accurately to older women. 

In their study, the researchers looked at mammography data from 49,196 women aged 35-94 years, with a mean age of around 60 years, and a median follow-up of 8.8 years. Of these women, 3,392 reported during their follow-up that they had experienced a first major cardiovascular event, such as atherosclerosis, heart failure, heart attack, or stroke. 

The researchers trained their automated algorithm to analyze the full range of internal breast structures and characteristics from these routine mammogram images, taking into account the women’s age to predict their major cardiovascular disease risk over ten years. 

They then compared their AI model with other risk scores and calculators, which need multiple data points based on known cardiovascular risk factors, including blood pressure and cholesterol. 

“We found that our model performed just as well without the need for extensive clinical and medical data,” said Arnott. “Our model is the first to use a range of features from mammographic images combined simply with age—a key advantage of this approach being that it doesn’t require additional history taking or medical record data, making it less resource intensive to implement, but still highly accurate.” 

As a next step, the researchers aim to validate their algorithm in more diverse patient populations, utilizing different screening practices to assess the generalizability of their AI model and to refine it further.

Da:

https://www.insideprecisionmedicine.com/topics/informatics/ai-model-predicts-cardiovascular-events-risk-using-mammograms/