Tecniche basate sull’AI nell’imaging cardiaco | Aziende ai Italia | Ia Generativa Photoshop | App Intelligenza Artificiale Android | Turtles AI

Tecniche basate sull’AI nell’imaging cardiaco
DukeRem23 febbraio 2023
  Sullo "European Heart Journal" è apparso di recente un articolo scientifico intitolato "Artificial intelligence in cardiac imaging: where we are and what we want" (Intelligenza artificiale nell’imaging cardiaco: dove siamo e cosa vogliamo), sull’uso di tecniche basate sull’IA nel campo dell’imaging cardiaco. Queste tecniche hanno la possibilità di rivoluzionare ogni aspetto del processo, dall’indicazione dello studio alla previsione del rischio specifico del paziente ed alla prognosi. Con oltre 300 dispositivi abilitati all’AI già approvati dalla Food and Drug Administration (FDA), questa tecnologia sta rapidamente passando dal campo della ricerca alla pratica clinica. L’uso dell’AI nell’imaging cardiaco offre numerosi vantaggi, come il miglioramento dell’efficienza, la riduzione dell’errore umano e l’aumento dell’accuratezza diagnostica. Tecniche come l’ecocardiografia, l’angiografia con tomografia computerizzata coronarica (CCTA) e la risonanza magnetica cardiaca (CMR) possono trarre notevoli benefici da soluzioni basate sull’AI, migliorando la riproducibilità delle informazioni quantitative morfologiche e funzionali e, in ultima analisi, migliorando i risultati per i pazienti. Le soluzioni basate su reti neurali convoluzionali stanno aiutando il campo dell’acquisizione e della ricostruzione delle immagini, riducendo significativamente la dose di radiazioni e di contrasto per l’imaging CCTA e migliorando al contempo la qualità delle immagini. Nell’ambito dell’imaging TC cardiaco, sono in fase di sviluppo o già disponibili per l’uso clinico numerosi algoritmi per la valutazione rapida ed accurata dell’albero coronarico. Questi includono software con intelligenza artificiale per l’interpretazione della stenosi e l’analisi della placca e il punteggio CAC automatizzato con un’eccellente concordanza con i lettori umani. La riserva di flusso frazionale della tomografia computerizzata fluidodinamica (CT-FFRCFD) è l’unica soluzione clinica approvata dalla FDA per la valutazione della CT-FFR; tuttavia, è stata sviluppata una CT-FFR basata sull’apprendimento automatico (CT-FFRML) per una rapida valutazione interna della CT-FFR per applicazioni di ricerca, dimostrando un’accuratezza simile alla CT-FFR basata sulla CFD. In futuro, gli algoritmi di IA per la CCTA probabilmente includeranno l’identificazione delle caratteristiche della placca vulnerabile e la quantificazione del carico della placca per migliorare la valutazione del rischio di malattia cardiovascolare. Gli algoritmi di IA per la CMR possono automatizzare la quantificazione della funzione LV e ridurre la variabilità delle letture, rendendo la CMR un’opzione più efficiente e riproducibile per la valutazione della funzione cardiaca, della malattia valvolare, della perfusione e del flusso sanguigno. L’integrazione dei dati provenienti da diverse modalità di imaging con soluzioni basate sull’intelligenza artificiale è l’obiettivo finale per un flusso di lavoro clinico efficiente e senza soluzione di continuità.