Il database ECG Harvard-Emory

Perché una gigantesca libreria di battiti cardiaci è importante

I battiti elettrici del cuore, catturati con un semplice esame chiamato elettrocardiogramma (ECG), sono tra le misure più comuni nella medicina moderna. Eppure fino a oggi i ricercatori hanno avuto a disposizione sorprendentemente poche raccolte molto grandi e ben organizzate di ECG da studiare. Il Database ECG Harvard‑Emory (HEEDB) cambia questa situazione: mette insieme milioni di registrazioni di ECG provenienti dall’attività ospedaliera di tutti i giorni, insieme a informazioni su chi erano i pazienti e cosa è loro successo. Questa immensa «libreria di battiti» potrebbe aiutare gli scienziati a trovare segnali precoci di problemi cardiaci e a costruire strumenti informatici più equi e più precisi per i medici.

Una raccolta massiccia di segnali cardiaci

HEEDB è attualmente la più grande raccolta ad accesso aperto di ECG standard a 12 derivazioni, il tipo utilizzato in ambulatorio e nei pronto soccorso in tutto il mondo. Contiene più di 11,6 milioni di registrazioni di dieci secondi provenienti da oltre 2,1 milioni di pazienti visitati al Massachusetts General Hospital di Boston e all’Emory University Hospital di Atlanta tra il 1980 e il 2022. Molte persone nel database hanno avuto diversi ECG nel corso di mesi o anni, fornendo una linea temporale di come i loro modelli cardiaci sono cambiati con l’età, durante la malattia o nella guarigione. Aprendo questa risorsa a ricercatori qualificati, il team mira a rendere possibili studi su scala di popolazione sui ritmi cardiaci, le loro alterazioni e il modo in cui questi modelli si collegano a esiti di salute come insufficienza cardiaca, aritmie pericolose e morte improvvisa.

Chi sono i pazienti e come vengono protetti i loro dati

Il database non memorizza solo le forme d’onda; include anche ricche informazioni di contesto per ciascuna persona. Per la maggior parte dei pazienti i ricercatori possono vedere età, sesso e razza, mentre un ospedale fornisce anche dettagli come livello di istruzione, lingua e stato di veterano. Date come nascita, registrazione dell’ECG, ultima visita ospedaliera e decesso sono disponibili in una forma accuratamente alterata: le date di ciascun paziente sono spostate casualmente fino a un anno e chi ha più di 89 anni è raggruppato in un’unica fascia d’età. Gli identificatori diretti sono rimossi e a ogni persona viene assegnato un nuovo codice coerente nei progetti correlati. Questi passaggi seguono regole di privacy consolidate e sono stati approvati dai comitati etici, con l’accesso ai dati controllato da un accordo d’uso che vieta i tentativi di «ri‑identificare» gli individui.

Strati di significato medico sovrapposti a ogni battito

Ogni ECG in HEEDB è collegato a diversi livelli di interpretazione. Innanzitutto ci sono enunciati generati dal computer da parte di software commerciali di analisi ECG ampiamente usati, che segnalano tipi di ritmo e possibili problemi come infarti pregressi o schemi elettrici anomali. Queste etichette sono state rigenerate per tutte le registrazioni utilizzando l’ultima versione del software in modo che i ricercatori possano confrontare i pazienti nel corso dei decenni in modo coerente. In secondo luogo, per molti ECG il database include anche quanto scritto dai medici quando hanno rivisto i tracciati al letto del paziente. Poiché queste note sono state digitate come testo libero, il team ha usato metodi di elaborazione del linguaggio naturale per tradurle in codici standardizzati. Hanno quindi misurato quanto si sovrapponessero le interpretazioni automatiche e quelle umane, riscontrando in generale una forte concordanza ma anche evidenziando dove il computer e il medico vedevano differenze.

Collegare i modelli cardiaci alle diagnosi e alla storia delle malattie

Oltre a ciò che è visibile su ciascun tracciato ECG, il database collega ogni paziente ai codici di diagnosi estratti dalle loro cartelle cliniche elettroniche. Questi codici, provenienti da sistemi internazionali di lunga data (ICD‑9 e ICD‑10), riassumono condizioni che vanno dall’ipertensione e dal diabete ai disturbi del ritmo cardiaco e alle malattie polmonari, insieme alle date in cui tali diagnosi sono state effettuate. Alcuni pazienti hanno solo pochi codici, mentre altri ne hanno centinaia, riflettendo storie mediche complesse. I codici più comuni in entrambi gli ospedali riguardano l’ipertensione essenziale, sottolineando quanto sia diffusa la pressione alta tra le persone che effettuano test ECG. È importante notare che gli autori sottolineano come le etichette basate sull’ECG e i codici di diagnosi catturino aspetti diversi dell’assistenza e possano riferirsi a visite diverse, perciò i ricercatori devono decidere attentamente come combinarli.

Punti di forza, limiti e come i ricercatori possono utilizzarlo

Poiché gli ECG sono stati raccolti durante la normale assistenza clinica usando la stessa marca di apparecchiature, i dati sono coerenti ma contengono anche imperfezioni del mondo reale come rumore e derivazioni mancanti. Gli autori forniscono flag di qualità di base e note tecniche ma lasciano intenzionalmente la pulizia e la selezione successive agli utenti finali, che possono avere obiettivi di ricerca diversi. Avvertono inoltre che tutte le registrazioni provengono da due grandi centri accademici statunitensi che utilizzano il sistema di un unico fornitore, quindi i risultati potrebbero non generalizzarsi completamente ad altre regioni o dispositivi. Pur con queste limitazioni, la dimensione del dataset, la diversità dei pazienti e la disponibilità sia di interpretazioni automatiche sia mediche fanno di HEEDB un banco di prova potente per nuovi algoritmi e per lo studio dei bias tra gruppi demografici.

Cosa significa per la cura cardiologica futura

In sostanza, il Database ECG Harvard‑Emory trasforma milioni di test cardiaci di routine in una risorsa scientifica condivisa. Per un non specialista, il suo valore risiede nella possibilità che schemi nascosti in queste registrazioni possano rivelare chi è a rischio di gravi problemi cardiaci molto prima che compaiano i sintomi, e se gli strumenti attuali funzionano altrettanto bene per persone di età, sesso e background diversi. Rendendo dati accuratamente de‑identificati ampiamente disponibili, il progetto getta le basi per una cardiologia più precisa e basata sui dati e per strumenti di supporto alle decisioni assistiti da computer che siano al contempo potenti e equi.

Citazione: Koscova, Z., Li, Q., Robichaux, C. et al. The Harvard-Emory ECG Database. Sci Data 13, 516 (2026). https://doi.org/10.1038/s41597-026-06861-9

Parole chiave: elettrocardiogramma, malattie cardiovascolari, set di dati medici, apprendimento automatico in medicina, ritmo cardiaco