Derivazione e validazione di un punteggio guidato dall’apprendimento automatico per prevedere la resa diagnostica della biopsia endomiocardica

Perché questo è importante per le persone con insufficienza cardiaca

Quando i medici non riescono a determinare la causa dell’insufficienza cardiaca, a volte prelevano piccoli frammenti di tessuto cardiaco con una procedura chiamata biopsia. Questo esame può rivelare malattie nascoste che richiedono terapie specifiche, ma è invasivo, comporta dei rischi e spesso non fornisce una risposta chiara. Questo studio pone una domanda semplice e centrata sul paziente: è possibile combinare informazioni provenienti da immagini e analisi del sangue in un punteggio intelligente che indichi ai medici in anticipo se una biopsia cardiaca sarà probabilmente davvero utile?

Uno sguardo più da vicino a un esame cardiaco rischioso

La biopsia endomiocardica, nella quale uno strumento piccolo viene fatto passare attraverso una vena fino al cuore per asportare campioni di tessuto, è da tempo l’ultimo passo quando la causa dell’insufficienza cardiaca resta un mistero. Tuttavia, nella pratica quotidiana la maggior parte di queste biopsie non individua una malattia specifica. In questo studio i ricercatori hanno esaminato 775 persone con insufficienza cardiaca di causa ignota trattate in un ospedale svedese. Tutte avevano eseguito una biopsia come parte dell’accertamento. Solo circa una biopsia su cinque (19,9%) ha fornito una diagnosi definitiva, più spesso una malattia da deposito proteico chiamata amiloidosi cardiaca. Un secondo gruppo indipendente di 171 pazienti provenienti da un ospedale italiano è stato poi utilizzato per testare l’affidabilità dei risultati.

Trasformare immagini e analisi del sangue in un punteggio predittivo

Il team ha raccolto un’ampia gamma di informazioni raccolte di routine prima della biopsia: ecocardiogramma, risonanza magnetica cardiaca, pressione arteriosa, funzione renale, tracciati del ritmo cardiaco e marcatori ematici di stress cardiaco. Hanno quindi confrontato diversi metodi di apprendimento automatico per vedere quale distinguesse meglio i pazienti la cui biopsia sarebbe stata diagnostica da quelli la cui biopsia sarebbe risultata inconcludente. Il metodo chiamato random forests ha dato i migliori risultati. Da questo i ricercatori hanno ricavato un semplice punteggio da 0 a 100 basato su sole nove variabili, con un peso particolare assegnato a pattern di tipo cicatriziale alla risonanza cardiaca e a due misure ematiche: un ormone dell’insufficienza cardiaca (NT-proBNP) e la velocità di filtrazione renale.

Cosa rivela la risonanza cardiaca

La caratteristica di risonanza che ha contato di più è stata la «late gadolinium enhancement»—aree luminose che indicano tessuto cardiaco malato—soprattutto quando presenti nel lato destro del cuore, nelle pareti inferiore e laterale del ventricolo principale e nelle camere atriali. Le persone con questi pattern, insieme a livelli elevati di NT-proBNP e a una funzione renale ridotta, avevano molte più probabilità che la biopsia rivelasse una malattia specifica. Al contrario, aree luminose limitate alla parete anteriore del cuore erano associate a una minore probabilità di ottenere una biopsia significativa. Quando il punteggio è stato testato, ha distinto molto bene biopsie ad alto rendimento da quelle a basso rendimento: la misura di accuratezza, chiamata area sotto la curva, è stata circa 0,9 sia nel gruppo originale sia in quello esterno, valore considerato eccellente.

Aiutare a decidere chi ha davvero bisogno di una biopsia

Per rendere il punteggio utile al letto del paziente, gli autori hanno esaminato come si comportassero diversi valori di soglia. Un punteggio di 60 o superiore identificava un gruppo più piccolo di pazienti in cui la probabilità di una biopsia diagnostica era molto alta, con quasi nessun falso positivo in entrambi gli ospedali. Questa soglia favorisce il «rule in» per la biopsia quando il beneficio atteso è maggiore, cosa importante perché le biopsie sono procedure invasive. Il punteggio è risultato particolarmente efficace nell’individuare l’amiloidosi cardiaca, una condizione che spesso mostra ampie alterazioni alla risonanza e marcatori ematici fortemente anomali. Anche eliminando i casi di amiloidosi, il punteggio ha comunque fornito un beneficio netto rispetto al paradigma di biopsiare tutti o nessuno, in particolare per le persone con sospette malattie cardiache infiltrative o infiammatorie.

Cosa significa per pazienti e medici

Per le persone con insufficienza cardiaca di origine enigmatica, questo lavoro propone un modo per rendere le decisioni difficili sulla biopsia più basate sull’evidenza e meno dipendenti dal giudizio soggettivo. Combinando pattern provenienti dalla risonanza magnetica e comuni esami del sangue in una chiara scala 0–100, il punteggio aiuta a identificare chi ha maggiori probabilità di trarre beneficio dal prelievo di tessuto cardiaco e chi può probabilmente essere risparmiato dai rischi e dallo stress. Gli autori sottolineano che il punteggio non deve sostituire il giudizio clinico né i nuovi test non invasivi, ma agire come uno strumento di supporto nelle situazioni limite. Nella pratica quotidiana, uno strumento del genere potrebbe ridurre procedure inutili, concentrare le biopsie dove sono più informative e, in ultima analisi, accelerare il percorso verso la diagnosi e il trattamento corretti per i pazienti con insufficienza cardiaca non spiegata.

Citazione: Basile, C., Polte, C.L., Gentile, P. et al. Derivation and validation of a machine learning-driven score to predict the diagnostic yield of endomyocardial biopsy. npj Digit. Med. 9, 228 (2026). https://doi.org/10.1038/s41746-026-02421-y

Parole chiave: insufficienza cardiaca, biopsia cardiaca, risonanza magnetica cardiaca, apprendimento automatico, amiloidosi cardiaca