Uno strumento basato sull’intelligenza artificiale rivela danni nascosti agli organi causati dall’ipertensione.

I ricercatori hanno sviluppato uno strumento basato sull’intelligenza artificiale che potrebbe aiutare i medici a comprendere meglio come l’ipertensione danneggi diversi organi in persone diverse. Questo sviluppo potrebbe aprire la strada a trattamenti più personalizzati in futuro. Lo studio, pubblicato sulla rivista Circulation , è stato condotto dall’Università di Oxford.

HyperScore

Il team ha sviluppato un punteggio derivato dall’intelligenza artificiale (IA), chiamato “HyperScore”, progettato per stimare l’entità del danno causato dall’ipertensione a diversi organi prima di qualsiasi evento cardiovascolare maggiore.

Hanno scoperto che sembrano esistere sei modelli distinti, o “ipertraiettorie“, di malattie correlate all’ipertensione che le persone sviluppano, con alcuni gruppi che mostrano prevalentemente cambiamenti a carico del cuore, del cervello, dei vasi sanguigni, dei reni o del metabolismo.

Sebbene dal punto di vista clinico l’attenzione rimanga focalizzata esclusivamente sui valori della pressione sanguigna, i ricercatori hanno combinato centinaia di parametri per ottenere un quadro più completo dei danni agli organi correlati all’ipertensione, tra cui cuore, cervello, reni, sistema vascolare, polmoni, fegato e informazioni metaboliche.

I ricercatori hanno scoperto che le persone con punteggi HyperScore più elevati avevano maggiori probabilità di sviluppare problemi cardiovascolari in futuro, anche quando le sole misurazioni della pressione sanguigna non erano sufficienti a distinguere completamente il rischio.

Trattamenti personalizzati

Jill Jones, responsabile della strategia globale per la salute presso l’MRC, ha dichiarato: “Questo importante studio dimostra il valore dell’integrazione dei dati provenienti da più sistemi di organi utilizzando approcci avanzati di apprendimento automatico.

“Sebbene siano necessarie ulteriori ricerche per applicare queste tecniche in ambito clinico, questo lavoro rappresenta un passo significativo verso uno degli obiettivi chiave dell’MRC: consentire un’identificazione più precoce della malattia per favorire interventi più tempestivi e personalizzati.”

Utilizzo dell’intelligenza artificiale

Il dottor Mohanad Alkhodari, primo autore dello studio e attuale ricercatore ospite presso la struttura di ricerca cardiovascolare clinica del Dipartimento di Medicina di Radcliffe, ha affermato: “L’ipertensione arteriosa colpisce le persone in modo molto diverso. Alcuni individui sviluppano danni significativi al cuore, al cervello o ai reni anche quando la pressione sanguigna è solo leggermente elevata, mentre altri sembrano relativamente protetti nonostante l’ipertensione di lunga data.

“I nostri risultati suggeriscono che i metodi basati sull’intelligenza artificiale potrebbero aiutarci ad andare oltre il trattamento dell’ipertensione basato esclusivamente sui valori della pressione sanguigna, verso una comprensione più personalizzata di come la malattia influisce sul corpo.”

Identificazione del rischio

Gli esperti hanno utilizzato l’apprendimento automatico per analizzare i dati di imaging e clinici di oltre 27.000 partecipanti alla UK Biobank. A ciò si è aggiunta una validazione esterna su ulteriori 5.500 partecipanti dello studio statunitense Atherosclerosis Risk in Communities.

I ricercatori affermano che questo lavoro potrebbe in futuro contribuire all’identificazione precoce di persone che iniziano a sviluppare problemi che potrebbero portare a ictus, insufficienza cardiaca o malattie renali. L’approccio potrebbe anche essere utilizzato per contribuire allo sviluppo di trattamenti nuovi e più personalizzati. Tuttavia, avvertono che l’approccio è ancora in una fase iniziale e non è ancora pronto per l’uso clinico di routine.

Impatti nascosti sulla salute

Il professor Paul Leeson, docente di medicina cardiovascolare e autore senior del Dipartimento di Medicina Radcliffe dell’Università di Oxford, ha dichiarato: “Questo studio dimostra il potenziale della combinazione dell’intelligenza artificiale con l’imaging multiorgano per comprendere meglio gli effetti nascosti dell’ipertensione e come questi varino tra le diverse persone. Abbiamo dimostrato che questi approcci computazionali possono rivelare modelli di danno d’organo difficili da individuare utilizzando solo le misurazioni della pressione sanguigna”.

Significato dei cambiamenti cerebrali

Lo studio ha inoltre rilevato che le alterazioni cerebrali riscontrate nelle risonanze magnetiche erano tra i più forti indicatori associati ai danni correlati all’ipertensione.

La dottoressa Winok Lapidaire, co-prima autrice dello studio presso il Dipartimento di Medicina Radcliffe dell’Università di Oxford, ha affermato: “Questo studio rafforza le crescenti evidenze che l’ipertensione può influenzare il cervello molto prima della comparsa dei sintomi. La nostra ricerca preliminare suggeriva che test clinici più semplici, come gli ECG o le misurazioni di routine dello stato di salute, potrebbero in futuro fornire informazioni simili senza la necessità di esami di imaging complessi”.

L’ipertensione induce danni strutturali e funzionali a carico di diversi organi. La presenza di danni subclinici aumenta il rischio di eventi vascolari e di morte, ma può essere difficile da identificare in ambito clinico. Abbiamo sviluppato un nuovo approccio di apprendimento automatico che quantifica il danno multiorgano associato all’ipertensione, mappando la progressione dallo stato di salute alla malattia in fase avanzata, in modo pseudotemporale, e prevede le traiettorie di progressione della malattia specifiche per ciascun organo.

METODI:

Abbiamo analizzato 566 variabili multimodali, sia di imaging che non, provenienti da 27.099 partecipanti al sottostudio di imaging della UK Biobank per sviluppare un modello di inferenza di traiettorie contrastive semi-supervisionate (cTI) che modella le alterazioni multiorgano associate all’esposizione all’ipertensione, incluse informazioni su cuore, cervello, reni, sistema vascolare, polmoni, fegato e metabolismo. La stabilità del modello è stata convalidata attraverso molteplici fasi di validazione interna, mentre la validità esterna è stata testata su 5.507 partecipanti dello studio ARIC (Atherosclerosis Risk in Communities). La rilevanza clinica è stata valutata rispetto ai punteggi di rischio esistenti e attraverso la capacità di prevedere la sopravvivenza e l’incidenza di malattie multiorgano fino a 7 anni, sia nella UK Biobank che nello studio ARIC.

RISULTATI:

Nella UK Biobank (età media 63,27±7,48 anni; 53,4% donne) il nostro punteggio globale di danno d’organo (HyperScore) ha raggiunto un’area sotto la curva di 0,964 (0,941–0,987) per l’identificazione di individui con grave malattia d’organo terminale e una robusta stabilità nella convalida incrociata con un errore quadratico medio di 0,104±0,084. Le probabilità di sopravvivenza differivano significativamente tra gli stadi HyperScore ( P <0,001), mentre la stratificazione per pressione sanguigna non era significativa. Abbiamo inoltre rivelato 6 fenotipi di malattia ipertensiva (HyperTrajectory), caratterizzati rispettivamente da caratteristiche cardiache, lipoproteiche, aterotrombotiche, cerebrali, cardiorenali ed epatiche predominanti. I test esterni condotti nell’ambito dello studio ARIC hanno confermato la stabilità del modello, con distanze di Jensen-Shannon pari a 0,10 per le distribuzioni HyperScore, senza deviazioni significative nei modelli di progressione del danno d’organo ( P > 0,05) e caratteristiche coerenti degli organi terminali e degli esiti tra ARIC e UK Biobank attraverso le HyperTrajectories.

CONCLUSIONI:

I punteggi globali di danno d’organo derivati ​​dall’apprendimento automatico sono applicabili all’ipertensione e consentono l’identificazione di fenotipi distinti di malattia d’organo associati all’ipertensione. Potrebbero essere realizzabili nuovi modelli per la valutazione e il monitoraggio dell’ipertensione che utilizzano l’imaging per derivare una valutazione del rischio personalizzata e interventi specifici per il fenotipo.

Prospettiva clinica

Quali sono le novità?

•Si tratta di un modello di apprendimento automatico multimodale e multiorgano in grado sia di quantificare, in modo pseudotemporale, il danno d’organo associato all’ipertensione mediante un punteggio, sia di prevedere con prestazioni eccellenti la traiettoria di progressione della malattia specifica per ciascun organo.

•Sono stati scoperti 6 nuovi fenotipi organo-specifici in risposta all’ipertensione, caratterizzati prevalentemente da manifestazioni cardiache, lipoproteiche, aterotrombotiche, cerebrali, cardiorenali ed epatiche.

•La valutazione completa delle alterazioni multiorgano in atto in risposta all’ipertensione migliora la previsione del rischio in modo più efficace rispetto alla sola misurazione della pressione sanguigna e in modo paragonabile alle tecniche di punteggio del rischio esistenti.

Quali sono le implicazioni cliniche?

•Questo modello fornisce informazioni sulle alterazioni organo-specifiche associate all’ipertensione, che potrebbero consentire una gestione clinica più personalizzata e interventi più mirati.

•Tali informazioni potrebbero consentire l’identificazione precoce di individui ad alto rischio che altrimenti non verrebbero individuati con il solo monitoraggio della pressione sanguigna, favorendo così un trattamento preventivo prima che si sviluppino danni irreversibili agli organi.

•La scoperta di fenotipi distinti in risposta all’ipertensione potrebbe stimolare ulteriori ricerche su approcci terapeutici personalizzati e strategie di follow-up mirate, in base ai sistemi d’organo predominanti interessati e agli esiti clinici previsti.

by