I big data nell'imaging cardiaco sono uno strumento molto promettente. Ma l’inconsistente qualità dei dati, le evidenze ancora limitate a sostegno dell'efficacia clinica e la mancanza di chiarezza sull'efficace integrazione nel flusso di lavoro clinico sono altrettanti limiti alla loro applicazione.

Del resto, tenuto conto delle attuali conoscenze del machine learning e dell'intelligenza artificiale (IA), la scienza dell'imaging cardiaco è sostanzialmente troppo complessa e l'arte dell'interpretazione troppo sfumata per essere completamente rilevata dai computer.

Per queste ragioni, come ha chiarito il Dr. Gianluca Pontone, Responsabile UO RM cardiovascolare del Monzino e membro del board dell’EACVI, in un suo intervento allo scorso ESC Congress di Parigi, –l’innovazione non metterà seriamente a rischio il lavoro degli specialisti dell’imaging. Anzi, più realisticamente, gli algoritmi di machine learning supporteranno gli esperti di imaging nei loro sforzi per valutare la crescente quantità di dati riducendo i tempi di decisione e ottimizzando l'assistenza ai pazienti.

Ma per attuare un simile scenario, gli specialisti dell’imaging cardiovascolare dovranno impegnarsi attivamente per adattare la loro pratica all’innovazione e modellare la tecnologia con l'obiettivo di iniziare a colmare il divario tra il mondo dell'intelligenza artificiale e le realtà della medicina clinica.

Il Machine learning, il deep learning e il calcolo cognitivo sono cioè potenzialmente in grado di cambiare il modo in cui viene praticata la medicina, ma il medico deve essere preparato per la prossima era dell'IA..

Rifermenti

1. Pontone G. The threat of big data: will imaging cardiologists lose their jobs in 10 years? ESC congress 3 settembre 2019 Paris, France.

2. Pontone G, Moharem-Elgamal S, Maurovich-Horvat P, Gaemperli O, Pugliese F. Training in cardiac computed tomography: EACVI certification process. Eur Heart J Cardiovasc Imaging. 2018 Feb 1;19(2):123-126.