L’AI scopre un segnale nell’ECG che può prevedere il rischio di morte cardiaca improvvisa

In sintesi

• L’intelligenza artificiale individua un nuovo biomarcatore cardiaco. Un algoritmo addestrato su oltre 440.000 elettrocardiogrammi riconosce anomalie associate al rischio di morte improvvisa.
• Il modello identifica pazienti non rilevati dai criteri tradizionali. Nel gruppo ad alto rischio individuato dall’AI, la mortalità cardiaca improvvisa annuale raggiunge il 7%.
• La ricerca apre nuove prospettive per la prevenzione. La tecnologia è stata validata su dati provenienti da Svezia, Stati Uniti e Taiwan, ma richiede ulteriori verifiche prima dell’impiego clinico ordinario.

Un’intelligenza artificiale sviluppata da ricercatori dell’Università della California a Berkeley ha individuato negli elettrocardiogrammi un segnale associato al rischio di morte cardiaca improvvisa, potenzialmente capace di identificare pazienti che sfuggono agli strumenti diagnostici tradizionali. La ricerca, coordinata da Ziad Obermeyer, utilizza il deep learning per esaminare oltre 440.000 registrazioni cardiache raccolte in Svezia, confrontando le caratteristiche dell’attività elettrica del cuore con gli esiti clinici dei pazienti. Il risultato più importante riguarda la capacità dell’algoritmo di individuare persone ad alto rischio anche quando i parametri convenzionali non segnalano anomalie sufficienti a giustificare ulteriori interventi. Lo studio, pubblicato su Nature il 24 giugno 2026, è tornato al centro dell’attenzione scientifica nel novembre 2026, quando Obermeyer e UC Berkeley hanno ricevuto un riconoscimento per la scoperta. L’obiettivo non è sostituire i cardiologi, ma migliorare l’identificazione preventiva delle persone esposte ad aritmie potenzialmente fatali.

Oltre 440.000 elettrocardiogrammi analizzati dall’intelligenza artificiale

Il sistema è stato sviluppato utilizzando una vasta raccolta di elettrocardiogrammi provenienti dal sistema sanitario svedese, collegati alle cartelle cliniche e ai certificati di morte. Gli algoritmi hanno imparato a riconoscere combinazioni di caratteristiche dell’attività elettrica cardiaca associate a un maggiore rischio di decesso improvviso nell’anno successivo all’esame. La rete neurale ha esaminato le forme delle onde e le loro variazioni, individuando un biomarcatore che, secondo gli autori, non era stato precedentemente descritto nella letteratura scientifica. La ricerca, intitolata An ECG biomarker for sudden cardiac death discovered with deep learning, è stata pubblicata su Nature e firmata da Ziad Obermeyer, Alexander Schubert, James Ross, Sendhil Mullainathan e Markus Lingman.

Il vantaggio potenziale consiste nell’impiegare un esame già ampiamente disponibile negli ospedali, senza richiedere necessariamente nuove apparecchiature diagnostiche. L’ECG registra l’attività elettrica del cuore e viene utilizzato quotidianamente per individuare alterazioni del ritmo e altri problemi cardiovascolari. Il deep learning potrebbe estrarre informazioni aggiuntive da tracciati già esistenti, seguendo una logica di medicina predittiva osservata anche nella ricerca su SleepFM, il modello AI che utilizza i segnali del sonno per stimare il rischio di numerose patologie.

Il rischio cardiaco raggiunge il 7% nel gruppo individuato dall’AI

Il risultato più significativo riguarda la capacità del modello di riconoscere una popolazione con un rischio elevato di morte cardiaca improvvisa. Nella coorte di validazione svedese, l’algoritmo ha individuato un gruppo corrispondente al 2,2% del campione, caratterizzato da una mortalità cardiaca improvvisa annuale del 7%. Il criterio tradizionale basato sulla riduzione della frazione di eiezione ventricolare sinistra identificava invece un gruppo pari all’1,9% del campione, con un tasso annuale del 4,6%. L’86,1% dei pazienti classificati ad alto rischio dall’AI non era stato individuato attraverso quel parametro convenzionale. Si tratta di una differenza importante, perché la frazione di eiezione misura la capacità del ventricolo sinistro di espellere sangue ed è ampiamente utilizzata nelle decisioni relative all’impianto di defibrillatori.

Il confronto non significa che l’algoritmo possa prevedere con certezza un arresto cardiaco. Le percentuali rappresentano rischi osservati in gruppi di pazienti, non previsioni individuali inevitabili. Inoltre, arresto cardiaco e infarto non sono sinonimi: il primo riguarda l’interruzione dell’efficace attività di pompa del cuore, spesso provocata da un’aritmia; il secondo deriva generalmente da un’interruzione dell’afflusso sanguigno al muscolo cardiaco. La capacità di individuare segnali associati a eventi futuri potrebbe comunque migliorare la selezione delle persone da sottoporre ad approfondimenti.

Leggi anche: Huawei Watch Ultimate 2 e rischio cardiaco: cosa misura davvero e quali sono i limiti

Test negli Stati Uniti e a Taiwan confermano il potenziale del modello

I ricercatori hanno verificato il funzionamento dell’algoritmo anche su popolazioni differenti, utilizzando registrazioni provenienti da un sistema sanitario di San Diego e da un ospedale di Taipei. Negli Stati Uniti la validazione ha coinvolto oltre 251.000 elettrocardiogrammi, mentre il campione taiwanese comprendeva pazienti colpiti da arresto cardiaco e soggetti di controllo. Il modello ha mostrato capacità predittive anche senza essere nuovamente addestrato sui dati locali. Le prestazioni sono state valutate attraverso l’AUC, un indicatore statistico della capacità di distinguere i soggetti che presenteranno un determinato evento da quelli che non lo presenteranno: 0,872 nella validazione svedese, 0,822 negli Stati Uniti e 0,767 a Taiwan, considerando gli specifici esiti analizzati nei diversi campioni.

Questi risultati rafforzano la solidità della ricerca, ma non equivalgono a una validazione clinica definitiva. I sistemi sanitari utilizzano procedure differenti per registrare gli eventi cardiovascolari, mentre il campione taiwanese non rappresenta un’intera popolazione. Saranno quindi necessari studi prospettici per stabilire quanto l’impiego dell’algoritmo migliori effettivamente le decisioni mediche e gli esiti dei pazienti.

Defibrillatori e prevenzione: perché il nuovo biomarcatore è importante

La morte cardiaca improvvisa rappresenta una delle maggiori difficoltà della prevenzione cardiovascolare perché alcune aritmie fatali possono verificarsi senza segnali clinici precedentemente riconosciuti. I defibrillatori impiantabili possono interrompere ritmi cardiaci pericolosi, ma individuare anticipatamente i pazienti che ne trarrebbero beneficio rimane complesso. Gli autori hanno osservato che, tra i soggetti classificati ad alto rischio dall’algoritmo, quelli già portatori di un defibrillatore presentavano una mortalità inferiore alle attese. Il risultato suggerisce un possibile beneficio, ma deriva da dati osservazionali e non dimostra da solo un rapporto causale. La decisione di impiantare un dispositivo deve continuare a basarsi su valutazioni cliniche individuali.

L’applicazione proposta prevede di analizzare gli ECG già conservati negli archivi ospedalieri, identificare pazienti con segnali sospetti e proporre ulteriori controlli, eventualmente attraverso dispositivi di monitoraggio continuo. La prospettiva si distingue dalle funzionalità consumer degli smartwatch, come le notifiche delle irregolarità del ritmo cardiaco introdotte sui Galaxy Watch, perché riguarda l’analisi retrospettiva di grandi archivi clinici e la stima di eventi gravi.

Continua con: Asus VivoWatch 6 Plus porta ECG e monitoraggio cardiovascolare nei dispositivi indossabili

La medicina predittiva entra negli archivi clinici, ma non è ancora uno screening disponibile

La scoperta dimostra come l’intelligenza artificiale possa individuare correlazioni fisiologiche difficili da riconoscere attraverso i metodi convenzionali, trasformando un esame diffuso come l’elettrocardiogramma in una possibile fonte di nuove informazioni preventive. Il riconoscimento ottenuto da UC Berkeley nel novembre 2026 riporta l’attenzione su una ricerca che potrebbe aprire nuove prospettive anche per i sistemi sanitari europei, Italia compresa. Tuttavia, non risulta che questo specifico algoritmo sia già disponibile come servizio ordinario di screening cardiologico nel Servizio sanitario nazionale. La prossima fase sarà verificare se l’identificazione anticipata dei pazienti a rischio consentirà concretamente di ridurre la mortalità, senza produrre diagnosi eccessive o interventi non necessari.