Cuore e IA: dalle TAC comuni alla vera prevenzione

Nel 2024 un consorzio internazionale ha mostrato che, integrando immagini, dati clinici e stili di vita, gli algoritmi raggiungono oltre il 90% di accuratezza nel predire eventi cardiovascolari maggiori. Tradotto in pratica: il rischio di infarto può essere intercettato molti anni prima che compaiano i primi sintomi, partendo da esami che i pazienti fanno già oggi.

Questo cambia radicalmente la cardiologia preventiva e tocca da vicino il Servizio Sanitario Nazionale, i clinici e chi, in Italia, sta progettando percorsi di sanità digitale veramente sostenibili. L’infarto resta tra le prime cause di morte nel nostro Paese; riuscire a vedere il rischio “nascosto” dentro una TAC torace fatta per tutt’altro motivo significa spostare l’asse dalla cura tardiva alla prevenzione mirata.

In questo articolo vediamo come l’intelligenza artificiale applicata alle TAC stia trasformando lo screening cardiovascolare, quali opportunità concrete apre per la sanità italiana, quali rischi regolatori e organizzativi vanno gestiti e cosa possono fare oggi strutture, clinici e decisori per passare dalla teoria ai percorsi reali.

1. Come l’IA legge il rischio infarto dentro le TAC “normali”

L’idea di base è semplice: nelle TAC toraciche che si eseguono ogni giorno per sospetto tumore, controlli post-trauma o follow-up di patologie respiratorie, sono visibili anche le arterie coronarie. Finora la maggior parte di queste informazioni restava inutilizzata.

L’intelligenza artificiale cambia le regole del gioco perché è in grado di:

• riconoscere automaticamente le coronarie nelle immagini
• quantificare il calcium score (calcio coronarico) anche se l’esame non è stato fatto con protocolli cardiologici dedicati
• associare quel punteggio a un livello di rischio di infarto a 5-10 anni

Gli studi internazionali mostrano che il calcio coronarico è uno dei predittori più solidi di eventi cardiovascolari, spesso superiore a colesterolo, pressione e familiarità presi da soli. La novità non è tanto l’indicatore in sé, ma il fatto che:

la misura del calcium score non richiede più una TAC cardiaca dedicata ad hoc, ma può essere estratta in automatico dalle TAC torace già presenti in archivio.

Per un sistema sanitario pubblico come quello italiano significa poter trasformare migliaia di esami “una tantum” in un vero programma di screening cardiologico opportunistico, senza aumentare la dose di radiazioni né riempire le liste di attesa con nuovi esami.

Dal dato grezzo all’indicazione clinica

Gli algoritmi più maturi, come AI-CAC, non si limitano a produrre un numero. Possono, in prospettiva, arricchire il referto radiologico con:

• una stratificazione del rischio (basso, intermedio, alto, molto alto)
• una stima temporale del rischio (per esempio rischio a 10 anni)
• suggerimenti strutturati per il medico curante (invio a cardiologo, valutazione statine, counselling sullo stile di vita)

Questo passaggio è cruciale: se il risultato non si traduce in una decisione clinica chiara, lo screening resta un dato statistico, non un reale cambiamento nella gestione del paziente.

2. Benefici clinici ed economici per la sanità italiana

L’uso dell’IA in cardiologia preventiva può avere un impatto molto concreto su mortalità e costi, soprattutto in un sistema universalistico come quello italiano, costantemente sotto pressione.

Riduzione di eventi acuti e ricoveri

Identificare precocemente i pazienti con calcium score elevato (ad esempio >400) permette di:

• iniziare terapie preventive (statine, controllo più aggressivo di pressione e glicemia)
• proporre con più forza cambiamenti di stile di vita supportati da dati oggettivi
• programmare un follow-up strutturato presso centri cardiologici

Gli studi sugli outcome mostrano che chi ha calcificazioni importanti ha un rischio di morte nei 10 anni successivi fino a 3 volte superiore rispetto a chi non ne ha. Ogni infarto evitato significa meno giorni di ricovero, meno rianimazioni, meno invalidità permanente.

Risparmio e riallocazione delle risorse

Per i direttori generali e i responsabili di dipartimento, l’interesse non è solo clinico ma anche economico:

• si riutilizzano esami già fatti (TAC torace) senza nuovi costi diretti
• si possono ridurre esami cardiologici inutili nei pazienti a rischio realmente basso
• si concentrano le risorse su chi ha un profilo di rischio documentato, riducendo accessi impropri a PS e ambulatori

La logica è chiara: spostare risorse dalla gestione dell’evento acuto alla prevenzione porta ROI in pochi anni, soprattutto sulle patologie croniche come la malattia cardiovascolare.

Un’occasione per integrare percorsi oncologici e cardiologici

In Italia stanno crescendo i programmi di screening per il tumore del polmone nei forti fumatori. La stessa TAC torace che serve a cercare noduli polmonari può essere sfruttata dall’IA per:

• aggiungere in automatico la valutazione del rischio cardiovascolare
• identificare i pazienti che, oltre al rischio oncologico, hanno coronarie pesantemente calcifiche
• costruire percorsi integrati tra pneumologia, oncologia e cardiologia

Chi progetta PDTA e reti cliniche regionali ha qui un’occasione concreta per passare dalla “medicina per silos” alla medicina di popolazione guidata dai dati.

3. I rischi reali: bias, privacy e medicina difensiva

Ogni volta che si introduce intelligenza artificiale in sanità, due rischi vanno presi molto sul serio: quello di iniquità e quello di sfiducia.

Bias algoritmici e disuguaglianze

Gli algoritmi imparano dai dati storici. Se i dati rappresentano male determinate popolazioni (per esempio alcune etnie, fasce d’età, donne giovani), il modello:

• sottostima il rischio in alcuni gruppi
• sovrastima il rischio in altri
• finisce per aumentare le disuguaglianze invece di ridurle

Per l’Italia questo significa che i dataset utilizzati per addestrare gli algoritmi di screening cardiovascolare con TAC dovrebbero includere:

• un’adeguata rappresentanza di età, genere e aree geografiche
• pazienti con profili di rischio tipici del nostro Paese (obesità viscerale, diabete, fumo, invecchiamento marcato)

Chi acquista o sviluppa soluzioni di IA sanitaria dovrebbe pretendere metriche di fairness chiare e auditing periodici, non solo AUC e accuratezza globale.

Privacy, GDPR e modelli federati

La prevenzione cardiovascolare guidata dai dati richiede l’uso di:

• immagini (TAC torace, TAC cardiache)
• cartelle cliniche elettroniche
• talvolta dati da wearable, genomica, biomarcatori

In Europa, e quindi in Italia, questo tocca in pieno il perimetro del GDPR. La direzione corretta, per non bloccare l’innovazione ma tutelare i pazienti, è lavorare con:

• modelli federati: gli algoritmi si addestrano “a casa” delle strutture, i dati non escono dai sistemi informativi
• politiche chiare di pseudonimizzazione e controllo degli accessi
• trasparenza verso il paziente su come e perché i propri dati vengono usati a fini predittivi

Chi guida progetti regionali o aziendali di IA in sanità deve prevedere da subito un governo dei dati che coinvolga DPO, IT, clinici e legali.

Evitare la medicina difensiva 2.0

C’è poi un rischio molto italiano: trasformare ogni nuovo indicatore di rischio in una raffica di esami, controlli e consulenze “per non sbagliare”. Se non si definiscono linee guida chiare su cosa fare a ogni livello di calcium score, l’IA può alimentare una nuova forma di medicina difensiva.

Servono protocolli condivisi, ad esempio:

• rischio basso: counselling sullo stile di vita, ripetizione TAC a 5-7 anni
• rischio intermedio: valutazione cardiologica, eventuali esami funzionali
• rischio alto/molto alto: presa in carico strutturata, terapia farmacologica preventiva, follow-up a 3-5 anni

Senza questi binari, il sistema rischia di riempirsi di “falsi allarmi gestiti male”, con più costi che benefici.

4. Verso una cardiologia di precisione: genomica, wearable e dati real-time

La lettura del calcium score dalle TAC comuni è solo il primo passo. La direzione verso cui si sta muovendo la cardiologia predittiva è molto più ampia.

Dati che si sommano, non si sostituiscono

I modelli più avanzati combinano:

• immagini (TAC, risonanze, ecografie)
• dati genomici (polygenic risk score per malattia coronarica)
• biomarcatori infiammatori (ad esempio interleuchina-6)
• dati da dispositivi indossabili (ECG continuo, frequenza cardiaca, variabilità, attività fisica)
• informazioni sugli stili di vita e sui fattori ambientali

La forza dell’IA sta proprio nel riuscire a integrare queste sorgenti eterogenee in un unico punteggio di rischio dinamico, che cambia nel tempo al cambiare delle abitudini e delle terapie.

Dal paziente passivo al paziente coinvolto

Quando il medico può mostrare al paziente:

• il proprio calcium score sulla TAC fatta un anno prima
• la curva di attività fisica dallo smartwatch
• l’andamento di colesterolo e marcatori infiammatori

la conversazione cambia tono. Non è più un “deve smettere di fumare perché fa male”, ma un “se continui così la tua curva di rischio nei prossimi dieci anni sale di X; se smetti e prendi questa terapia scende di Y”.

Questo tipo di medicina personalizzata, supportata da spiegazioni grafiche e “mappe di calore” delle immagini, rende il paziente più consapevole e, spesso, più aderente ai percorsi di prevenzione.

5. Cosa dovrebbe fare oggi una struttura sanitaria italiana

Chi lavora in una ASL, in un IRCCS o in un grande ospedale può vedere l’IA applicata alle TAC torace come qualcosa di lontano. In realtà, ci sono passi concreti che si possono iniziare già nel 2025.

1. Valutare il proprio patrimonio di immagini

• quanti esami TAC torace vengono eseguiti ogni anno?
• con quali protocolli e con quale qualità di immagine?
• esiste un PACS integrato con la cartella clinica elettronica?

Senza questa fotografia di base è difficile scegliere o progettare qualsiasi soluzione di IA.

2. Costruire un piccolo progetto pilota

Partire in grande non è obbligatorio, anzi spesso è controproducente. Un pilota efficace può:

• concentrarsi su 1-2 ospedali e su una finestra temporale definita
• integrare l’algoritmo di calcium score automatico nel flusso di refertazione radiologica
• prevedere un canale diretto di comunicazione con cardiologia e medicina generale

L’obiettivo non è subito ridurre la mortalità, ma dimostrare la fattibilità organizzativa e misurare indicatori di processo (numero di pazienti a rischio identificati, presa in carico, aderenza alle terapie).

3. Coinvolgere fin da subito clinici, IT e legali

I progetti che funzionano sono quelli in cui:

• i radiologi sentono l’IA come un supporto, non una minaccia
• i cardiologi partecipano alla definizione dei cut-off e dei percorsi
• l’IT garantisce integrazione con i sistemi esistenti e sicurezza
• il DPO e l’ufficio legale curano gli aspetti GDPR e consenso informato

In altre parole, l’IA va trattata come un progetto clinico-organizzativo, non come un semplice acquisto di tecnologia.

Conclusione: perché questo è il momento giusto per agire

L’unione tra intelligenza artificiale e TAC toraciche permette già oggi di trasformare esami di routine in uno strumento potente di prevenzione dell’infarto, con livelli di accuratezza predittiva che fino a pochi anni fa erano impensabili.

Per la sanità italiana questa non è una curiosità tecnologica ma una leva concreta per ridurre eventi acuti, ottimizzare le risorse e avvicinare davvero la medicina alla prevenzione su misura. La sfida non è tecnica: riguarda governance dei dati, linee guida chiare, formazione dei professionisti e capacità di costruire fiducia nei pazienti.

Il punto è se vogliamo che, tra cinque anni, le TAC torace archiviate oggi restino solo immagini statiche o diventino il punto di partenza di una cardiologia predittiva equa, trasparente e umana. La scelta, in buona parte, si gioca già nelle decisioni che prendiamo ora.