IMPROVE-AI: intelligenza artificiale e dati sintetici per migliorare la prevenzione cardiovascolare
Il progetto IMPROVE-AI del Centro Cardiologico Monzino IRCCS esplora le potenzialità dell’Intelligenza Artificiale per migliorare la stima del rischio cardiovascolare e contribuire allo sviluppo di strategie di prevenzione sempre più personalizzate. Parallelamente, il progetto valuta l’impiego di dati sintetici come strumento per facilitare lo sviluppo di nuove metodologie di analisi e valorizzare a fini di ricerca patrimoni di dati clinici già disponibili, riducendo la necessità di accedere direttamente ai dati originali e favorendo la tutela della privacy.
Le malattie cardiovascolari continuano a rappresentare una delle principali sfide per la salute pubblica. La possibilità di identificare con maggiore precisione le persone a rischio e di comprendere quali fattori contribuiscano maggiormente al loro profilo individuale può contribuire a indirizzare meglio gli interventi di prevenzione.
Gli strumenti tradizionalmente utilizzati per stimare il rischio cardiovascolare si basano prevalentemente su un numero limitato di fattori, come età, pressione arteriosa, colesterolo, diabete e fumo. Oggi, tuttavia, la disponibilità di grandi quantità di dati clinici e biologici e lo sviluppo di nuove metodologie di Intelligenza Artificiale (AI) permettono di analizzare contemporaneamente informazioni molto più numerose ed eterogenee e di esplorare le complesse relazioni che contribuiscono al rischio cardiovascolare.
È in questo contesto che nasce IMPROVE-AI (Migliorare la prevenzione cardiovascolare con intelligenza artificiale e dati sintetici), progetto coordinato dal Centro Cardiologico Monzino IRCCS nell’ambito del National Health Prevention Hub del Ministero della Salute.
Il patrimonio di dati
Il progetto utilizza i dati dello studio IMPROVE (Intima-Media thickness PROgression as a predictor of Vascular Events), una grande coorte prospettica europea che ha coinvolto oltre 3.000 partecipanti ad elevato rischio cardiovascolare in sei centri europei, dedicata allo studio dell’aterosclerosi e dei suoi determinanti.
Il patrimonio informativo dello studio comprende fattori di rischio cardiovascolare, caratteristiche cliniche e antropometriche, abitudini di vita, terapie farmacologiche, biomarcatori biochimici e infiammatori, informazioni genetiche e misure ecografiche avanzate dell’aterosclerosi carotidea. A queste informazioni si aggiungono i dati di follow-up prospettico sugli eventi cardiovascolari.
Questa ricchezza di dati permette di studiare il rischio cardiovascolare secondo una prospettiva multidimensionale, nella quale l’Intelligenza Artificiale può contribuire a individuare relazioni difficilmente riconoscibili considerando separatamente i singoli fattori di rischio.
Dai dati reali ai dati sintetici
Uno degli elementi più innovativi di IMPROVE-AI riguarda l’utilizzo dei dati sintetici.
I database clinici rappresentano una risorsa fondamentale per la ricerca biomedica e per lo sviluppo di approcci innovativi alla prevenzione e alla cura, ma il loro utilizzo pone importanti questioni di privacy e protezione dei dati personali, che possono limitarne l’utilizzo e la condivisione tra gruppi di ricerca.
I dati sintetici rappresentano una possibile risposta a questa esigenza. Si tratta di dati generati artificialmente che non costituiscono copie dei dati dei singoli individui, ma sono costruiti in modo da riprodurre le principali caratteristiche statistiche del database originale, garantendo la privacy delle persone da cui i dati originari derivano.
Nell’ambito del progetto sono stati generati dataset sintetici a partire dai dati dello studio IMPROVE. Per verificarne l’affidabilità, i dati sintetici sono stati confrontati con quelli originali, valutando quanto fossero in grado di riprodurne le principali caratteristiche e relazioni, mantenendo al tempo stesso un elevato livello di tutela della privacy. Le analisi condotte hanno mostrato una buona capacità dei dati sintetici di preservare il patrimonio informativo del database originale.
Questi risultati rappresentano un passo importante per valutare la possibilità di utilizzare i dati sintetici nella ricerca cardiovascolare: disporre di dati che conservino le caratteristiche scientificamente rilevanti dei dati reali, senza riprodurre le informazioni dei singoli individui, può infatti facilitare la condivisione di nuove metodologie di analisi, riducendo la necessità di accedere direttamente ai dati clinici originali e limitando il rischio di identificazione delle persone a cui tali dati si riferiscono.
Intelligenza artificiale per una valutazione più personalizzata del rischio
Il progetto utilizza anche metodologie di apprendimento automatico non supervisionato per individuare gruppi omogenei di pazienti, caratterizzati da specifiche combinazioni di caratteristiche cliniche e biologiche a partire da dataset di grandi dimensioni. Nell’ambito di IMPROVE-AI, queste analisi consentono di caratterizzare profili associati a un diverso rischio di sviluppare eventi cardiovascolari nel tempo, aprendo nuove prospettive verso una valutazione del rischio sempre più personalizzata.
Su questa base vengono sviluppati modelli predittivi di Machine Learning, algoritmi in grado di apprendere dai dati e riconoscere combinazioni di caratteristiche utili a stimare il rischio cardiovascolare. Il progetto integra inoltre tecniche di eXplainable Artificial Intelligence (XAI), che aiutano a comprendere quali informazioni abbiano contribuito maggiormente alle previsioni prodotte dagli algoritmi, rendendone il funzionamento più trasparente e i risultati più facilmente interpretabili in ambito clinico.
Un’intelligenza artificiale guidata dalla biologia
Lo sviluppo di questi approcci non è affidato esclusivamente agli algoritmi. Un elemento distintivo di IMPROVE-AI è infatti l’integrazione tra Intelligenza Artificiale e razionale biologico: la scelta delle informazioni da utilizzare nei modelli è guidata anche dalle evidenze scientifiche e dalla conoscenza dei meccanismi alla base delle malattie cardiovascolari.
Particolare attenzione è stata dedicata ai biomarcatori ottenuti attraverso l’ecografia carotidea, integrati in un approccio che abbiamo definito “carotidomica”: una lettura complessiva delle diverse informazioni ricavabili da un unico esame ecografico, per descrivere in modo multidimensionale l’aterosclerosi. L’analisi delle relazioni tra questi biomarcatori, i fattori di rischio e gli eventi cardiovascolari è stata approfondita anche attraverso Auto-Contractive Map (AutoCM), una metodologia di Intelligenza Artificiale che consente di esplorare come molteplici variabili siano tra loro collegate all’interno di un sistema complesso. Questa analisi ha contribuito a individuare le informazioni più rilevanti da integrare nei modelli predittivi.
Verso nuovi strumenti per la prevenzione cardiovascolare
L’obiettivo di IMPROVE-AI è porre le basi per strumenti di supporto alle decisioni cliniche e alle strategie di prevenzione.
In prospettiva, i modelli sviluppati potranno contribuire a una valutazione più personalizzata del rischio cardiovascolare e consentire di esplorare diversi scenari di prevenzione, attraverso simulatori in grado di mostrare come il rischio stimato possa variare al modificarsi degli stili di vita e di altri fattori, sia tradizionali, come il peso corporeo e la pressione arteriosa, sia meno noti o meno frequentemente considerati nella valutazione del rischio, la cui rilevanza può emergere dall’analisi integrata dei dati.
IMPROVE-AI si inserisce dunque pienamente negli obiettivi del National Health Prevention Hub, volto a promuovere modelli innovativi, sostenibili e trasferibili di prevenzione e a valorizzare l’enorme patrimonio di dati già disponibili nel sistema della ricerca e della salute, favorendone l’utilizzo integrato per generare nuove evidenze scientifiche e rispondere ai bisogni di salute del Servizio Sanitario Nazionale.
Dettagli del finanziamento
Progetto finanziato nell’ambito del Piano Nazionale di Ripresa e Resilienza (PNRR) – Missione 6, Componente 2, Investimento 1.3.2, Sub-investimento 1.3.2.3.3 “Realizzazione del National Health Prevention Hub”, finanziato dall’Unione europea – NextGenerationEU.
Titolo: IMPROVE-AI – Migliorare la prevenzione cardiovascolare con intelligenza artificiale e dati sintetici
Soggetto realizzatore: Centro Cardiologico Monzino IRCCS
Responsabile scientifico: Prof. Damiano Baldassarre
Finanziamento ministeriale: € 250.000
