Come in un film di fantascienza di qualche decennio fa. Una luce infrarossa esplora dall’interno le pareti delle arterie coronariche. E analizza il grasso, depositato nei vasi. Così si studia la placca e si indagano le sue caratteristiche, fino a descrivere il rischio di un nuovo infarto. Non stiamo parlando di fantascienza ma di realtà, che vede l’Intelligenza Artificiale diventare protagonista dell’analisi delle informazioni raccolte grazie alla Tomografia a Coerenza Ottica (OTC).
A far ipotizzare un ulteriore sviluppo di questa tecnica di imaging, già oggi impiegata e in grado di offrire dettaglia superiori rispetto alla classica coronarografia, è una ricerca apparsa su Biomedical Optics Express (primo nome Jin Hwan Hwang) coordinata da Hyeong Soo Nam del Korea Advanced Institute of Science and Technology in Corea del Sud.
Cuore, ogni 5 minuti un infarto o un evento cardiovascolare per una donna
Oltre l’esperienza dello specialista
"Le placche con più lipidi e determinati modelli di distribuzione di questi lipidi sono fortemente associate al rischio di eventi cardiaci gravi – è il commento di Hyeong Soo Nam in una nota -. Analizzando le informazioni dipendenti dalla lunghezza d'onda nascoste nel segnale OCT e combinandole con l'Intelligenza Artificiale, siamo stati in grado di identificare la presenza e la distribuzione dei lipidi all'interno della parete vasale”. Sebbene l'OCT sia utilizzata nella pratica clinica, l'identificazione di placche ricche di lipidi e ad alto rischio dipende ancora in larga misura dall'esperienza del medico. per questo lo studio è importante: oltre a rilevare “firme” ottiche correlate ai lipidi all'interno delle placche aterosclerotiche, la ricerca estende le opportunità di discernimento con moderne tecniche di “deep learning” per migliorare significativamente l'accuratezza e la robustezza del rilevamento. Il nuovo metodo inserisce informazioni dipendenti dalla lunghezza d'onda provenienti dalle immagini OCT in un modello di IA. Ciò è possibile perché diversi tipi di tessuto come grassi, tessuto fibroso e calcio, ad esempio, assorbono e riflettono la luce in modi leggermente diversi. Il modello di intelligenza artificiale impara a riconoscere i pattern di segnale che hanno maggiori probabilità di provenire da tessuti ricchi di lipidi e può quindi evidenziare automaticamente le regioni sospette in tutta l'immagine.
