Uno strumento di IA approvato dalla FDA rileva l'insufficienza cardiaca con frazione di eiezione preservata (HFpEF) a partire da immagini ecocardiografiche (4 camere apicale), senza altri dati clinici. In questa validazione esterna (47 pazienti con dispnea inspiegata sottoposti sia a ecocardiografia sia a cateterismo cardiaco destro), lo strumento è stato confrontato con lo standard invasivo (pressione di incuneamento ≥15 mmHg a riposo o ≥25 mmHg sotto sforzo). L'IA ha mostrato un'elevata specificità (88%) e un elevato valore predittivo positivo (86%), ma una bassa sensibilità (30%); utilizzando la pendenza PCWP/gittata cardiaca, specificità e PPV hanno raggiunto il 100%. I pazienti IA-positivi presentavano pressioni di riempimento e resistenza polmonare più elevate. Tra i pazienti con punteggio H2FPEF indeterminato, l'IA ha identificato l'80% dei casi di HFpEF confermati invasivamente. Lo strumento è quindi più adatto a identificare i pazienti con emodinamica chiaramente anomala, piuttosto che a escludere l'HFpEF.
Validare esternamente uno strumento di intelligenza artificiale (IA) approvato dalla FDA per il rilevamento dell'insufficienza cardiaca con frazione di eiezione preservata (HFpEF) mediante clip video ecocardiografiche, confrontandone le prestazioni con i criteri emodinamici invasivi in una coorte di riferimento del mondo reale con dispnea inspiegata.
Abbiamo analizzato retrospettivamente 47 pazienti sottoposti a ecocardiografia transtoracica (TTE) e cateterismo cardiaco destro (RHC), inclusi 28 con emodinamica sia a riposo sia sotto sforzo. Il modello di IA ha valutato i dati video a 4 camere apicale e ha classificato i risultati come HFpEF, assenza di HFpEF o non diagnostico, senza alcun altro dato clinico. L'esito primario era l'HFpEF definita in modo invasivo: pressione di incuneamento capillare polmonare (PCWP) ≥15 mmHg a riposo o ≥25 mmHg sotto sforzo. L'analisi secondaria ha utilizzato una pendenza PCWP/gittata cardiaca (CO) >2 mmHg/l/min. Abbiamo valutato sensibilità, specificità, valore predittivo positivo (PPV) e valore predittivo negativo (NPV).
Tra i pazienti con RHC da sforzo (n = 28), il 71% soddisfaceva i criteri emodinamici di HFpEF. Lo strumento di IA ha mostrato una sensibilità del 30%, una specificità dell'88%, un PPV dell'86% e un NPV del 33%. Utilizzando la pendenza PCWP/CO (n = 25), specificità e PPV erano del 100%, la sensibilità del 27% e l'NPV del 16%. I pazienti IA-positivi presentavano una PCWP a riposo significativamente più elevata (20 rispetto a 15 mmHg, P = 0,029), una pressione media della PA più elevata (29 rispetto a 24 mmHg, P = 0,02) e una PVR più elevata (2,1 rispetto a 1,3 WU, P = 0,002). Nei pazienti con punteggio H2FPEF indeterminato (n = 25), l'IA ha identificato correttamente l'80% di quelli con HFpEF confermata invasivamente. Le prestazioni del modello sono state coerenti negli intervalli TTE-RHC <365 e <90 giorni.
Questo modello di IA ha dimostrato un'elevata specificità e un elevato valore predittivo positivo (PPV) per il rilevamento dell'HFpEF, identificando in modo affidabile i pazienti con anomalie emodinamiche più avanzate. Le sue prestazioni sono rimaste solide su intervalli variabili tra ecocardiografia transtoracica (TTE) e cateterismo cardiaco destro (RHC), e nei pazienti con punteggi clinici indeterminati. A causa della sensibilità limitata, lo strumento è più utile per migliorare l'identificazione dei pazienti con emodinamica chiaramente anomala piuttosto che per escludere l'HFpEF, in particolare nei casi precoci o borderline. Sebbene un uso più ampio come strumento di screening sia promettente, sono necessari studi di validazione prospettici per confermarne l'utilità nelle popolazioni generali.
