Uno strumento basato sull’intelligenza artificiale (IA) sviluppato da ricercatori di Weill Cornell Medicine, Cornell Tech, Cornell Ann S. Bowers College of Computing and Information Science, Columbia University e NewYork-Presbyterian ha dimostrato un grande potenziale nella diagnosi dell’insufficienza cardiaca avanzata.
Utilizzando un modello di apprendimento automatico, il metodo prevede con alta precisione il consumo massimo di ossigeno (VO2 di picco) attraverso immagini ecografiche del cuore e dati delle cartelle cliniche elettroniche, migliorando così la capacità di identificare i pazienti ad alto rischio.
Questo approccio potrebbe superare gli ostacoli degli attuali test diagnostici, come il CPET, che richiedono attrezzature specializzate e personale qualificato. Lo studio, pubblicato su npj Digital Medicine, ha registrato un’accuratezza complessiva dell’85% e ha aperto la strada a studi clinici per l’approvazione della FDA e l’adozione nella pratica clinica.
Leggi il full text dell’articolo:
- Multimodal multi-instance learning for cardiopulmonary exercise testing performance prediction.
Huang, Z., Pan, W., Alishetti, S. et al.
npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-02493-w
Fonte: Weill Cornell Medicine
