Classificazione della fibrillazione atriale parossistica utilizzando elettrocardiogrammi in ritmo sinusale con il metodo di ricostruzione degli attrattori a proiezione simmetrica

Perché questo studio sul ritmo cardiaco è importante

La fibrillazione atriale è un comune disturbo del ritmo cardiaco che può aumentare silenziosamente il rischio di ictus e mortalità precoce. Una forma enigmatica, chiamata fibrillazione atriale parossistica, compare e scompare in brevi episodi, quindi le persone possono presentare un tracciato cardiaco dall’aspetto perfettamente normale quando vedono il medico. Questo studio pone una domanda provocatoria: anche quando l’elettrocardiogramma (ECG) sembra normale, contiene ancora un’impronta sottile di un problema di ritmo nascosto che i computer possono rilevare — e ciò potrebbe risparmiare ai pazienti settimane di monitoraggio cardiaco scomodo?

Indizi nascosti in un comune test cardiaco

I medici di solito diagnosticano la fibrillazione atriale catturando un episodio su un ECG che registra l’attività elettrica del cuore. Per le persone i cui episodi sono brevi e poco frequenti, i test standard — e persino i monitor portatili da 30 giorni — spesso non rilevano il problema. I ricercatori dietro questo lavoro hanno esplorato se un breve ECG di 10 secondi effettuato mentre il cuore batte normalmente potesse comunque rivelare chi ha una storia di fibrillazione atriale parossistica. Se ciò fosse possibile, un test di routine in ambulatorio o in pronto soccorso potrebbe segnalare i pazienti a rischio senza aspettare il prossimo attacco.

Trasformare i battiti cardiaci in forme geometriche

Per cercare questi indizi nascosti, il team ha utilizzato un approccio di elaborazione del segnale chiamato Symmetric Projection Attractor Reconstruction. Invece di concentrarsi sui punti di riferimento familiari dell’ECG — i picchi e le onde che i medici di solito ispezionano — questo metodo tratta l’intero battito ripetuto come un modello nel tempo. Campiona ogni battito in diversi punti e mette in grafico quei valori l’uno rispetto all’altro, trasformando il segnale monodimensionale in un’immagine geometrica bidimensionale chiamata attrattore. Cambiamenti sottili nel modo in cui il segnale elettrico del cuore sale, scende e varia da battito a battito emergono come differenze nella forma, nella dimensione e nella densità di questi pattern di attrattore, anche quando l’ECG originale appare normale all’occhio.

Addestrare i computer a riconoscere pattern a rischio

Gli investigatori hanno sfruttato un ampio database open di ECG che includeva persone con episodi documentati di fibrillazione atriale e soggetti di controllo accuratamente abbinati senza problemi noti di ritmo, bilanciando per età e sesso. Per ogni tracciato di 10 secondi in ritmo normale, hanno generato immagini di attrattori da tutti e 12 i derivazioni dell’ECG e hanno convertito queste forme in riepiloghi numerici che descrivono quanto densamente i punti si raggruppano in diverse direzioni e distanze dal centro. Questi riepiloghi sono stati poi inseriti in due approcci standard di apprendimento automatico: uno che classifica un nuovo caso in base ai suoi vicini più prossimi nel set di dati e un altro che costruisce un albero decisionale di regole if-then. Il team ha anche testato questioni pratiche importanti per l’uso nel mondo reale, come quale derivazione ECG funziona meglio e se frequenze di campionamento inferiori — comuni nelle macchine da clinica quotidiana — peggiorano le prestazioni.

Quanto ha funzionato il metodo

Tra molte combinazioni di impostazioni, la migliore configurazione ha utilizzato caratteristiche dell’attrattore che descrivono quanto densamente i punti erano disposti attorno al cerchio, tratte da ECG campionati a 125 hertz e classificati con il metodo dei vicini più prossimi. In queste condizioni, il sistema ha distinto correttamente persone con e senza fibrillazione atriale parossistica in circa l’81% dei casi. Era molto affidabile nell’identificare i veri soggetti sani (circa il 95% di specificità) ma più modesto nel rilevare tutti i pazienti affetti (circa il 67% di sensibilità). Un approccio ad albero decisionale ha spinto la sensibilità a circa il 73% ma ha sacrificato parte della capacità di evitare falsi allarmi. Importante, il metodo richiedeva solo 10 secondi di dati in ritmo normale, eppure la sua sensibilità era approssimativamente il doppio di quella riportata per il monitoraggio cardiaco a lungo termine di 30 giorni in lavori precedenti.

Chi ne beneficia e cosa resta da migliorare

I ricercatori hanno rilevato che le prestazioni erano abbastanza stabili tra diverse fasce d’età ma leggermente migliori negli uomini rispetto alle donne, probabilmente riflettendo squilibri nel dataset di base. Altre condizioni cardiache presenti in alcuni pazienti tendevano a ridurre l’accuratezza, e anche il tempo trascorso tra l’episodio documentato di fibrillazione e l’ECG in ritmo normale sembrava avere importanza. Questi risultati suggeriscono che studi futuri con gruppi di pazienti più ampi e diversificati — e un’attenta registrazione di altre diagnosi e dei tempi delle registrazioni — potrebbero affinare ulteriormente lo strumento e chiarire dove funziona meglio, ad esempio in ambulatorio, in pronto soccorso o con dispositivi indossabili.

Un passo verso una rilevazione più precoce e semplice

Per un lettore non specialista, il messaggio chiave è che un test cardiaco standard e rapido può contenere più informazioni di quelle che i medici vedono attualmente. Convertendo battiti dall’aspetto normale in pattern geometrici e permettendo agli algoritmi di confrontare quelle forme attraverso molti pazienti, questo studio mostra che è possibile segnalare persone con una storia di fibrillazione atriale parossistica utilizzando solo pochi secondi di ritmo normale. Seppure il metodo non sia ancora perfetto, offre una strada promettente verso screening più rapidi e confortevoli che potrebbero aiutare a identificare prima le persone a rischio di ictus e indirizzare chi dovrebbe ricevere un follow-up più attento o un trattamento preventivo.

Citazione: Creasy, S., Lip, G.Y.H., Tse, G. et al. Classification of paroxysmal atrial fibrillation using sinus rhythm electrocardiograms using the symmetric projection attractor reconstruction method. Sci Rep 16, 9705 (2026). https://doi.org/10.1038/s41598-026-37491-1

Parole chiave: fibrillazione atriale, elettrocardiogramma, apprendimento automatico, ritmo cardiaco, rilevamento precoce