Inventato un sensore che avvisa dello scompenso cardiaco

Il cerotto autoadesivo prevede con precisione un peggioramento della salute del cuore nei pazienti soggetti a ricadute diversi giorni prima della comparsa dei sintomi più evidenti

Lo scompenso cardiaco ha un forte impatto sulla nostra salute. Negli Stati Uniti, per esempio, 6,2 milioni di persone soffrono di scompenso cardiaco e dei costi associati per il sistema sanitario. Nei primi tre mesi dopo la dimissione dall'ospedale, il rischio di ricaduta è elevato, con una probabilità fino al 30%. I ricercatori del George E. Wahlen VA Medical Center e della University of Utah School of Medicine, entrambi a Salt Lake City, si sono concentrati su una soluzione non invasiva al problema. I risultati sono stati pubblicati sulla rivista dell'American Heart Association Circulation: Heart Failure.

Lo studio è stato condotto su un centinaio di pazienti con scompenso cardiaco, di età media pari a 68 anni, ricoverati in quattro ospedali diversi. I partecipanti hanno indossato un cerotto adesivo sul torace 24 ore su 24 per un periodo da 30 a 90 giorni dopo la dimissione dall'ospedale. Il sensore ha monitorato per ciascun partecipante la frequenza cardiaca, la frequenza respiratoria e attività fisiche come camminare, dormire e la postura del corpo. I dati venivano trasmessi dal sensore via Bluetooth a uno smartphone e poi caricati su una piattaforma di analisi.

Catena di comunicazione dal sensore al server. Crediti: newsroom.heart.org.

Grazie all'intelligenza artificiale, i dati sono stati analizzati da un algoritmo di machine learning. Se i dati di un paziente si discostavano dal comportamento medio, l'algoritmo generava un allarme che indicava un peggioramento dello stato di salute del cuore. La tecnologia è stata in grado di prevedere il rischio di peggioramento nell'80% dei casi con 6 o 7 giorni di anticipo rispetto ai sintomi più gravi. Lo studio deve ora essere ampliato per includere un campione più vario ed eterogeneo. I test riguarderanno anche pazienti donne, pazienti con diversi tipi di insufficienza e variazioni nell'elaborazione dell'algoritmo.