Edoardo Bove è caduto a faccia in giù all’Artemio Franchi il primo dicembre 2024, ventidue anni: non aveva alcun precedente noto legato a problemi cardiaci. È solo l’esempio di una persona che si è salvata, e solo perché era in uno stadio con tanto di ambulanze e cardiologi a bordo campo. Le morti improvvise in queste situazioni uccidono 8 italiani su 10 nei pochi minuti successivi. Sono sessantamila l’anno, qui da noi. Il problema, da sempre, è un altro: capire chi mettere sotto controllo prima che il cuore si fermi. È un test che oggi sbaglia quasi sempre, e nessuno lo dice troppo ad alta voce. Adesso a Berkeley sostengono di avere un modo per farlo meglio, leggendo l’ECG con l’aiuto di un’intelligenza artificiale.
Lo studio è uscito la settimana scorsa su Nature. Ziad Obermeyer, medico d’urgenza e professore di salute pubblica alla University of California, ha addestrato un modello su oltre 440.000 elettrocardiogrammi raccolti in una regione della Svezia e incrociati con i certificati di morte. Poi lo ha provato su un ospedale di San Diego e su un dataset di Taipei. Il modello individua il 2,2% dei pazienti come ad alto rischio: di questi, il 7% muore entro l’anno. Il test standard usato in tutto il mondo, basato sulla frazione di eiezione del ventricolo sinistro, ne identifica un’altra fetta del 1,9%, dove le morti annue sono il 4,6%. Sono due gruppi diversi: l’86,1% di quelli che l’AI segnala come pericolanti sfuggono al metodo classico.
Il segnale invisibile? È sull’onda R
Qui c’è una cosa che fa rabbrividire i cardiologi. Il biomarker che il modello ha trovato si vede a occhio nudo. È una piccola levigatura nell’onda R della derivazione aVL, misurabile con un righello e un occhio attento. Una smussatura della curva, vicino al picco, che diventa più dolce nelle persone destinate a morire di colpo. L’ECG nella sua forma attuale gira dagli anni Cinquanta, le sue cinque lettere P-Q-R-S-T sono state battezzate da Einthoven nel 1903. Brugada ha identificato la sua sindrome guardando una “pinna di delfino” sul tracciato nel 1992. Sono passati cento anni di cardiologi che leggono questi fogli, e questa smussatura era ed è rimasta invisibile a occhio umano. Sottolineo: invisibile, non astratta. Adesso anche uno studente del primo anno potrà guardarla.
Quello che lo studio non dice ad alta voce
C’è un secondo numero, dentro il paper, che merita di essere preso così com’è. Nei pazienti individuati dal modello che poi avevano ricevuto un defibrillatore impiantabile, la mortalità è risultata del 54,4% inferiore rispetto al previsto. Una riduzione enorme. Significa che il dispositivo, quando finisce nelle persone giuste, fa quello che promette. Il problema, fino a ieri, era trovarle. Significa anche, per converso, che la procedura attuale infila il defibrillatore in due terzi dei pazienti che non lo userebbero mai: invasiva, costosa, inutile per loro. E lascia fuori la maggior parte dei pazienti che invece muoiono. Un test che cambia entrambe le facce di questo errore sarebbe una manna che cade dal cielo.
Sulle morti improvvise non ci sono misteri, ma un percorso preciso e lungo
Su queste pagine la storia dell’AI applicata al cuore va avanti da anni. Nel 2023 raccontammo come la forma del cuore stessa potesse predire malattie cardiache attraverso reti neurali addestrate su risonanze magnetiche. Nel settembre scorso vi abbiamo parlato dello stetoscopio intelligente che in quindici secondi pesca tre patologie ascoltando il torace. Sempre l’estate scorsa, vi dicevo di uno studio sui cavalli che apriva una pista per gli atleti. Il filo è sempre lo stesso, ed è un filo che vorrei tirare un secondo. L’AI in cardiologia non sta inventando segnali nuovi, sta restituendo significato a segnali che esistevano già, e che nessuno sapeva ancora interpretare. Tante morti “misteriose”, che talvolta si tende ad attribuire a chissà quali cause (anche occulte o malevole) sono semplicemente dovute a motivi che semplicemente non siamo (o non eravamo) in grado di vedere.
Il lavoro di Obermeyer e colleghi
Pubblicazione: Z. Obermeyer, A. Schubert, J. Ross, S. Mullainathan, M. Lingman, “An ECG biomarker for sudden cardiac death discovered with deep learning”, pubblicato su Nature (2026). DOI: 10.1038/s41586-026-10674-6.
Quanto manca prima che arrivi sul tavolo del cardiologo
Orizzonte stimato: dai 2 ai 5 anni nei sistemi sanitari pronti, più lentamente altrove.
L’algoritmo è già in fase di adozione sui database di ECG ospedalieri in Svezia, Taiwan e California. Servono validazione prospettica multicentrica, approvazione regolatoria (FDA negli USA, marcatura CE in Europa) e soprattutto digitalizzazione degli archivi: il modello gira solo dove gli ECG esistono in formato digitale e indicizzato. In Italia, dove gli ECG vivono ancora spesso in cassetti di carta o memorie locali del cardiologo di base, il percorso sarà più lungo del modello.
Obermeyer, come detto, sta installando l’algoritmo sui database ECG di diversi sistemi sanitari. Quando il modello flagga qualcuno, il medico lo chiama, gli mette un cerotto cardiaco per qualche giorno e poi decide. Sul sito del laboratorio c’è già un form dove i privati possono lasciare l’email per essere contattati. L’Italia, in tutto questo, dorme. I nostri elettrocardiogrammi finiscono in cartellette di carta nel cassetto dello studio del cardiologo di base, oppure nella memoria di apparecchi che li dimenticano dopo settimane.
Le morti improvvise da noi non sono un problema di tecnologia. Sono un problema di archivi.
