Gli stetoscopi digitali con IA superano lo screening tradizionale per la VHD significativa
Una nuova ricerca dimostra che l'uso di uno stetoscopio digitale abilitato all'IA ha più che raddoppiato l'identificazione della malattia valvolare cardiaca da moderata a grave durante gli esami clinici di routine, rispetto a uno stetoscopio tradizionale.
Lo studio statunitense, «Artificial-Intelligence-Enabled Digital Stethoscope Improves Point-of-Care Screening for Moderate to Severe Valvular Heart Disease», è stato pubblicato oggi (giovedì 5 febbraio 2026) sull'European Heart Journal - Digital Health. Dimostra che lo strumento assistito dall'IA potrebbe aiutare i medici a identificare pazienti che altrimenti potrebbero rimanere non diagnosticati.
Un totale di 357 pazienti con fattori di rischio per malattie cardiache, di età pari o superiore a 50 anni, sono stati valutati sia con uno stetoscopio tradizionale sia con uno stetoscopio digitale abilitato all'IA in uno studio prospettico a braccio singolo, in singolo cieco. I partecipanti sono stati reclutati da tre strutture di medicina generale nella stessa area geografica; l'età mediana dei partecipanti era di 70 anni e il 61,9% erano donne.
Lo stetoscopio con IA ha dimostrato una sensibilità significativamente più elevata nel rilevare i pattern sonori cardiaci indicativi di malattia valvolare, con il 92,3% di sensibilità rispetto al 46,2% dello stetoscopio tradizionale.
La malattia valvolare cardiaca può colpire più di un adulto su due di età superiore a 65 anni, ma spesso rimane non diagnosticata dagli operatori sanitari che utilizzano uno stetoscopio tradizionale nella medicina generale. Può compromettere la funzione cardiaca riducendo la capacità di una persona di svolgere attività fisiche, ed è associata ad aritmie, insufficienza cardiaca, aumento dei ricoveri ospedalieri e può essere fatale. Tuttavia, i sintomi possono essere assenti, vaghi o non specifici, il che significa che molti pazienti non sono consapevoli di avere la condizione fino a quando non è più avanzata.
Punti chiave
- Una nuova ricerca pubblicata sull'European Heart Journal - Digital Health mostra che uno stetoscopio digitale abilitato all'IA più che raddoppia la sensibilità nel rilevare la malattia valvolare cardiaca da moderata a grave in un contesto clinico reale rispetto a uno stetoscopio tradizionale.
- Un totale di 357 pazienti di 50 anni o più sono stati esaminati sia con lo stetoscopio tradizionale sia con quello digitale abilitato all'IA, e i risultati sono stati confrontati.
- Lo stetoscopio con IA ha dimostrato una sensibilità significativamente più elevata nel rilevare i pattern sonori cardiaci indicativi di malattia valvolare, con il 92,3% di sensibilità rispetto al 46,2% dello stetoscopio tradizionale.
- La malattia valvolare cardiaca può colpire più di un adulto su due di età superiore a 65 anni, ma spesso rimane non diagnosticata dai medici che utilizzano uno stetoscopio tradizionale nella medicina generale.
Commento di un esperto
La Dott.ssa Rosalie McDonough, autrice senior, ha spiegato l'importanza del risultato: «La malattia valvolare cardiaca è purtroppo molto comune tra gli anziani, ma spesso passa inosservata fino a quando i sintomi non diventano avanzati. Questo significa che i pazienti possono sperimentare complicanze e un peggioramento della salute che avrebbero potuto essere prevenuti con una diagnosi più precoce.»
«Abbiamo dimostrato che uno stetoscopio abilitato all'IA è molto più efficace nell'individuare quali pazienti presentano una malattia valvolare da moderata a grave rispetto a uno stetoscopio tradizionale in contesti clinici reali. Speriamo che questa tecnologia consenta ai pazienti di ottenere un accesso più rapido a un ecocardiogramma per diagnosticare formalmente la loro condizione e quindi accedere più rapidamente al trattamento. A livello di popolazione, questa tecnologia potrebbe ridurre i ricoveri ospedalieri e il costo complessivo dell'assistenza sanitaria»
Lo stetoscopio digitale abilitato all'IA funziona registrando suoni cardiaci ad alta fedeltà e applicando algoritmi di machine learning addestrati a riconoscere i pattern acustici associati alla malattia valvolare cardiaca. I metodi tradizionali si basano sull'uso di uno stetoscopio convenzionale da parte di un operatore sanitario, che a sua volta dipende dall'udito e dall'esperienza dell'operatore, e può essere influenzato da fattori come il rumore di fondo o la pressione del tempo. I pazienti segnalati come a rischio di malattia valvolare nella medicina generale verranno indirizzati per la diagnosi mediante ecocardiografia.
«L'uso dell'intelligenza artificiale fornisce un ulteriore livello analitico, evidenziando anomalie che possono essere difficili da rilevare in modo costante solo con l'udito. Ma la tecnologia non sta prendendo il sopravvento; l'uso di questo dispositivo richiede che i medici utilizzino il proprio giudizio clinico», ha aggiunto la Dott.ssa McDonough.
«Un ulteriore beneficio che abbiamo osservato durante lo studio è che i pazienti valutati con lo stetoscopio digitale abilitato all'IA sembravano più coinvolti durante il loro appuntamento. Pensiamo che questo sia dovuto al fatto che potevano vedere e sentire a cosa stava rispondendo il clinico, il che potrebbe aumentare la fiducia e il coinvolgimento nel trattamento di follow-up.»
Gli autori dello studio hanno notato che lo stetoscopio digitale abilitato all'IA ha effettivamente portato a una lieve riduzione della specificità, che potrebbe potenzialmente aumentare i falsi positivi, ma suggeriscono che questo rischio sia bilanciato dal valore della diagnosi precoce. Notano inoltre che sarà necessaria ulteriore ricerca per testare le prestazioni della tecnologia in ambienti clinici più ampi e popolazioni più diverse.
«Questa ricerca si aggiunge a un crescente corpo di evidenze che dimostra come l'intelligenza artificiale possa potenziare gli strumenti clinici tradizionali in modo pratico e responsabile, che non sostituisce gli operatori sanitari ma fornisce loro strumenti per avere maggiore fiducia nella loro valutazione dei pazienti», ha concluso la Dott.ssa McDonough.





