Succede all’improvviso che senza alcun segnale premonitore un dolore lancinante giunga e manifesti la fine della vita. E la domanda, semmai ve ne fosse il tempo, è perché proprio ora? Il tutto si palesa nella mente, fondendosi con la cupa consapevolezza che quanto sta accadendo potrebbe significare il decesso.
Secondo un nuovo studio pubblicato sulla rivista Heart, un nuovo sistema di apprendimento automatico, che è parte della dottrina riguardante l’intelligenza artificiale, può prevedere con successo il rischio di arresto cardiaco utilizzando dati temporali e sulle condizioni metereologiche.
Tuttavia, è di fondamentale importanza notare che la nuova applicazione del cosiddetto “machine learning” non prevede precisamente quando le persone moriranno per arresto cardiaco. Prevede semplicemente quando può aumentare il rischio di un attacco di cuore.
La nuova applicazione di AI combina dati meteorologici e temporali per prevedere un alto rischio di arresti cardiaci extraospedalieri.
L’apprendimento automatico consiste nello studio di algoritmi informatici speciali, e si basa sull’idea che essi possano apprendere e migliorare la precisione dei risultati da soli, a partire dalle informazioni di esempio precaricate, identificando modelli e adattandosi con un intervento umano minimo o nullo.
Secondo i ricercatori, le nuove scoperte potrebbero fungere da sistema primitivo di allerta, riducendo l’eventualità di episodi fatali e aumentando le probabilità di sopravvivenza, oltre a migliorare il servizio sanitario in situazioni di emergenza e di prepararsi a situazioni gravi.
Ciò è significativo perché gli arresti cardiaci extra ospedalieri sono comuni a livello globale e sono generalmente collegati a bassi tassi di sopravvivenza. Ad aggravare il rischio, inoltre, vi sono le condizioni meteo. Le previsioni in ambito meteorologico sono una fra le discipline più complesse, in quanto richieda di analizzare parecchie decine di variabili, ma l’AI potrebbe alla fine trovare correlazioni che approcci statistici convenzionali o unidimensionali non potrebbero fare, stando a quanto detto dai ricercatori giapponesi.
Tra il 2005 e il 2013 si sono verificati 1.299.784 casi, e ne sono stati selezionati 525.374 utilizzando dati temporali, meteo o entrambi per un set di dati di addestramento. Questi risultati sono stati poi confrontati con 135.678 casi verificatisi tra il 2014 e il 2015 così da esaminare il livello di accuratezza del modello di anticipare il numero statistico di arresti cardiaci giornalieri in altri anni.
L’IA di machine learning è stata addestrata e testata a livello locale
Per rivelare l’accuratezza a livello locale di questo approccio, i ricercatori hanno eseguito quella che viene chiamata “analisi della mappa di calore”, o heatmap, che utilizzava un set di dati separato basato sulle informazioni degli arresti cardiaci extra ospedalieri nella città di Kobe tra gennaio 2016 e dicembre 2018.
Combinando i dati temporali e sulle condizioni meteorologiche, ha avuto come risultato un’elevata accuratezza nelle previsioni di arresto cardiaco per i casi extra ospedalieri, sia per l’insieme di test sia per quello di apprendimento. Le situazioni in cui si verificano maggiormente queste sciagure, o “hotspot”, sono di domenica, lunedì, a basse temperature, con forti cali di temperatura, in inverno e nei giorni festivi.
Tuttavia, i ricercatori non affermano di avere ampie informazioni sulla posizione degli attacchi di cuore al di fuori della città di Kobe e mancano dati per chi ha condizioni mediche preesistenti. Entrambi i casi potrebbero falsare enormemente i risultati. È un primo passo, comunque, per poter distribuire a livello mondiale un algoritmo di machine learning che, finalmente, troverebbe un’applicazione medica efficace.
