Applications of Artificial Intelligence in Cardiology: Methodological Advances and Three Use Cases
Type: dissertation
Abstract: L’intelligenza artificiale (IA) sta trasformando la cardiologia, favorendo il passaggio da una medicina reattiva a un approccio predittivo e personalizzato. Questa tesi illustra il potenziale metodologico e l’impatto clinico dell’IA attraverso tre distinti casi d’uso nell’ambito della salute cardiovascolare, focalizzati su: screening opportunistico, modelli fondativi per una diagnosi generalizzabile e gemelli digitali per interventi personalizzati. Metodi e Risultati Screening Opportunistico: sono stati applicati modelli di deep learning alle radiografie del torace (CXR) eseguite routinariamente nei pazienti valutati per sospetta coronaropatia (CAD). Il modello è risultato in grado di predire con buona accuratezza la presenza di CAD significativa ai fini del triage diagnostico (AUC 0.77 nei pazienti con angina) e di stratificare efficacemente il rischio di mortalità a lungo termine (AUC 0.81 combinando età e stato CAD). Lo studio dimostra che la CXR può rappresentare una fonte scalabile e a basso costo di biomarcatori prognostici. Modelli Fondativi (Foundational Models): è stato sviluppato HuBERT-ECG, un modello fondativo auto-supervisionato pre-addestrato su un dataset senza precedenti composto da 9,1 milioni di ECG a 12 derivazioni. HuBERT-ECG ha mostrato un’elevata capacità di generalizzazione in 17 compiti successivi e ha ottenuto un AUROC >0.90 per 140 su 164 condizioni cardiovascolari. In particolare, sfruttando le relazioni interne del dataset Cardio-Learning, ha migliorato significativamente la predizione di patologie cardiache strutturali complesse, come lo scompenso cardiaco (HF), per le quali l’ECG fornisce segnali tradizionalmente poco specifici (AUROC per HF 0.9674 ± 0.0566). Architettura del Gemello Digitale: è stata definita l’architettura del progetto DORIAN GRAY, finanziato da Horizon Europe, basata su un framework di Gemello Digitale e su una serie di modelli di IA integrati. L’obiettivo è collegare malattia cardiovascolare e lieve decadimento cognitivo tramite inferenza causale e stratificazione personalizzata del rischio. La piattaforma incorpora un Avatar-Based Coaching Exergame (ABCE) ad elevato grado di adattività, validato tramite il trial randomizzato dedicato COGIT-HF, proponendo un approccio innovativo all’intervento digitale continuo e in tempo reale. Conclusioni La tesi dimostra tre applicazioni scalabili e ad alto impatto dell’IA in cardiologia. I risultati avanzano lo stato dell’arte nell’analisi di immagini, nella costruzione di modelli fondativi per serie temporali e nella progettazione di architetture complesse per la sanità digitale. Nel loro insieme, questi contributi delineano percorsi concreti verso strumenti clinici robusti, personalizzati ed efficienti, finalizzati a migliorare il processo decisionale e a promuovere equità nella salute cardiovascolare e cognitiva su scala globale
Author: MASSUSSI, MAURO
Institution: University of Brescia
Language: English
Subfield: Health Informatics
Field: Medicine
Domain: Health Sciences
Keywords: artificial intelligence in cardiology, opportunistic screening, chest radiography, coronary artery disease, deep learning, foundation models, ECG, heart failure prediction, digital twin, personalized treatment, cardiovascular risk stratification, prognostic factors, cardiac resynchronization therapy
Open Access status: green
Awards: G231133531, G7971112261, G972786147
OpenAlex ID: W7223422854
