Prestazioni dell’ECG a 12 derivazioni nella previsione del rischio di morte cardiaca improvvisa a breve e lungo termine

Perché questo è importante per i pazienti cardiaci

La morte cardiaca improvvisa colpisce senza preavviso e spesso riguarda persone che già sanno di avere una malattia cardiaca. Molti di questi pazienti eseguono regolarmente elettrocardiogrammi (ECG), test semplici che registrano l’attività elettrica del cuore. Questo studio poneva una domanda urgente per pazienti e medici: le informazioni nascoste negli ECG standard a 12 derivazioni, combinate con dati clinici di base, possono indicare in modo affidabile chi è a rischio di morire improvvisamente, sia tra anni sia nel prossimo futuro?

Cercare segnali d’allarme nei test cardiaci di routine

Ricercatori in Finlandia hanno esaminato le cartelle cliniche di 17.625 adulti trattati in un unico ospedale cardiologico che erano stati sottoposti ad angiografia coronarica, un esame di immagini dei vasi che irrorano il cuore. Questi pazienti erano già considerati ad alto rischio perché molti avevano malattia coronarica o una sindrome coronarica acuta come un infarto. Nel corso di sedici anni, i loro ECG di routine sono stati archiviati in formato digitale, producendo circa mezzo milione di registrazioni—in media 17 ECG per persona. Il team disponeva anche di informazioni dettagliate sulla salute di ciascun paziente, sui trattamenti e sulle cause di morte, e li ha seguiti per una mediana di 7,5 anni.

Insegnare a un computer a leggere la storia elettrica

Invece di chiedere ai cardiologi di valutare visivamente gli ECG, i ricercatori si sono basati su numeri estratti automaticamente da software commerciali ampiamente usati. Questi valori descrivevano molti aspetti del comportamento elettrico del cuore: la durata di ogni onda, la sua ampiezza nelle diverse derivazioni e la presenza di ritmi come la fibrillazione atriale. Utilizzando questo ricco insieme di parametri e fattori clinici di base come età, funzione di pompaggio del cuore e pregressa malattia cardiaca, hanno addestrato un metodo avanzato di apprendimento automatico chiamato gradient boosting per distinguere le persone che in seguito hanno subito una morte cardiaca improvvisa o un evento strettamente correlato da quelle che non l’hanno subita. Hanno costruito modelli separati per tre situazioni: usando solo il primo ECG dopo l’angiografia per prevedere il rischio a lungo termine; usando l’ultimo ECG disponibile per valutare il rischio a breve termine; e usando l’ultimo ECG più come si erano modificati nel tempo i singoli parametri dell’ECG.

Quanto sono andati bene i modelli?

Su carta, i modelli sembravano molto potenti se giudicati solo sui dati usati per costruirli, con misure standard di accuratezza che suggerivano prestazioni quasi eccellenti. Ma quando i ricercatori li hanno testati in modo più realistico, il quadro è diventato più modesto. Utilizzando un unico ECG di base da solo, la capacità del modello di separare le future vittime di morte cardiaca improvvisa dagli altri ha raggiunto un’area sotto la curva (AUC) di circa 0,68—meglio del caso ma lontano dall’essere perfetto. L’ultimo ECG effettuato prima della fine del follow‑up non ha fatto meglio se usato da solo. Quando sono stati aggiunti i fattori di rischio clinici, le prestazioni sono salite leggermente a valori di AUC intorno a 0,70–0,71. I migliori risultati a breve termine si sono ottenuti combinando l’ultimo ECG con informazioni su come le caratteristiche dell’ECG erano cambiate negli anni, raggiungendo un’AUC di circa 0,72 nel set di test completo. Tuttavia, quando il team ha imposto un confronto equo tra pazienti attentamente abbinati con e senza morte improvvisa, questi valori sono scesi nella fascia media dello 0,6.

Limiti predittivi nel mondo reale

Poiché la morte cardiaca improvvisa era relativamente rara—anche in questo gruppo ad alto rischio—un’altra misura chiamata precision‑recall ha dato un quadro più sobrio. La capacità dei modelli di identificare correttamente i pazienti che avrebbero effettivamente subito una morte cardiaca improvvisa è rimasta bassa, con una precisione media intorno a 0,08–0,11. Questo era comunque all’incirca il doppio di quanto ci si aspetterebbe per caso, ma molto al di sotto di quanto sarebbe necessario per decidere con sicurezza chi dovrebbe ricevere trattamenti preventivi invasivi come defibrillatori impiantabili. È importante sottolineare che lo studio includeva molti pazienti con ritmi irregolari e gravi comorbilità, a differenza di ricerche precedenti più selettive. Tale scelta ha reso i risultati più rappresentativi della pratica clinica quotidiana, ma ha anche reso la predizione più difficile.

Cosa significa per pazienti e medici

In termini semplici, questo ampio studio mostra che gli ECG ordinari a 12 derivazioni, anche quando interpretati da algoritmi informatici sofisticati e combinati con dati clinici, possono prevedere solo in modo modesto chi morirà improvvisamente tra i pazienti cardiaci ad alto rischio. I segnali elettrici del cuore contengono indizi utili—soprattutto se monitorati nel tempo—ma non sono sufficientemente potenti da soli per fornire risposte nette su chi necessita di terapie preventive aggressive. Per ora, medici e pazienti devono continuare a fare affidamento su un quadro più ampio che include la funzione cardiaca, i sintomi, le altre malattie e strumenti emergenti, mentre la ricerca prosegue alla ricerca di segnali di avvertimento più forti e affidabili.

Citazione: Hernesniemi, J.A., Pukkila, T., Rankinen, J. et al. Performance of the 12-lead ECG in predicting short- and long-term risk of sudden cardiac death. npj Digit. Med. 9, 317 (2026). https://doi.org/10.1038/s41746-026-02456-1

Parole chiave: morte cardiaca improvvisa, elettrocardiogramma, apprendimento automatico, predizione del rischio, malattia delle arterie coronarie