Diagnosi della malattia coronarica con elaborazione del segnale e apprendimento automatico dei segnali dei suoni cardiaci: una revisione sistematica

Ascoltare il cuore invece di entrare nelle arterie

La malattia delle arterie coronarie, in cui i vasi sanguigni che irrorano il cuore si restringono, è una delle principali cause di morte nel mondo. Oggi i medici di solito confermano questa patologia con esami invasivi che inseriscono cateteri nel cuore o con costose apparecchiature di imaging. Questo studio pone una domanda semplice e allettante: un’analisi accurata dei normali suoni cardiaci — registrati con microfoni sul torace e interpretati da computer — potrebbe offrire un primo controllo sicuro e rapido per la presenza di arterie coronariche ostruite?

Perché le arterie bloccate cambiano il suono del cuore

Quando un’arteria coronaria è ristretta, il sangue è costretto a passare attraverso un’apertura più stretta, creando un flusso turbolento e ad alta velocità. Quella turbolenza può generare lievi soffi e vibrazioni aggiuntive, specialmente durante la fase di rilassamento del cuore, quando il flusso sanguigno è normalmente più calmo. La stessa perdita di apporto di sangue può indebolire sottilmente la capacità di contrazione del cuore e modificare il timing e l’intensità dei battiti principali. Tutte queste alterazioni rimodellano leggermente la “musica” del battito cardiaco. Gli stetoscopi elettronici moderni possono catturare questi suoni, che vengono quindi convertiti in segnali digitali per l’analisi al computer.

Come i ricercatori hanno cercato nella letteratura scientifica

Gli autori hanno setacciato quattro grandi banche dati mediche e hanno esaminato più di mille pubblicazioni su suoni cardiaci e malattia coronarica. Dopo aver rimosso duplicati, report molto piccoli e articoli con metodi scadenti, hanno selezionato 40 studi che complessivamente includevano 13.814 persone. Quasi tutti questi studi hanno confermato la presenza o l’assenza di un restringimento significativo delle arterie usando l’imaging coronarico standard, confrontando poi quei riscontri con quanto si poteva ricavare dai suoni cardiaci. Circa la metà degli studi si è basata sull’elaborazione tradizionale del segnale — descrizioni matematiche dell’energia e della frequenza del suono — mentre l’altra metà ha utilizzato apprendimento automatico, in cui algoritmi apprendono schemi direttamente dai dati.

Limiti delle misure sonore tradizionali

Nell’approccio più datato, gli scienziati selezionavano alcune caratteristiche sonore specifiche che ritenevano potessero riflettere un’arteria ristretta. Misure tipiche includevano quanta energia sonora appariva in certe bande di frequenza durante la fase diastolica o la durata e l’intensità dei battiti principali. Questi studi spesso sembravano promettenti in piccoli gruppi di pazienti, riportando talvolta di riuscire a identificare correttamente la malattia in più del 70 percento dei casi. Ma con l’aumentare delle dimensioni dei campioni fino a centinaia o migliaia, l’accuratezza è diminuita, scendendo spesso sotto il 70 percento e talvolta avvicinandosi al caso. Molti di questi lavori hanno inoltre validato i loro metodi sugli stessi soggetti usati per svilupparli, suscitando dubbi sulla robustezza dei risultati su pazienti nuovi.

L’apprendimento automatico scopre gli schemi nascosti del cuore

Gli studi più recenti hanno seguito una strada diversa. Invece di limitarsi a poche caratteristiche selezionate a mano, hanno permesso agli algoritmi di apprendere pattern più ricchi nel suono. Alcuni hanno combinato decine o addirittura centinaia di misure tradizionali; altri hanno fornito l’onda sonora grezza o immagini tempo‑frequenza del battito a reti di deep learning. In 19 studi di questo tipo, la maggior parte ha riportato sensibilità e specificità superiori all’80 percento, cioè i sistemi identificavano correttamente sia i soggetti malati sia quelli sani nella maggior parte dei casi. Importante: la maggior parte degli studi di machine learning ha testato i modelli su suoni cardiaci provenienti da persone non utilizzate per l’addestramento, aumentando la fiducia nella capacità di generalizzazione degli strumenti. I modelli che ascoltavano l’intero ciclo cardiaco, invece di limitarsi solo alla silenziosa fase diastolica, tendevano a performare meglio — il che suggerisce che indizi utili sulla malattia coronarica sono sparsi lungo tutto il battito, non confinati a un singolo momento.

Cosa potrebbe significare per la cura quotidiana

Messi insieme, i risultati suggeriscono che l’apprendimento automatico applicato ai suoni cardiaci ha un reale potenziale come ausilio non invasivo per individuare la malattia delle arterie coronarie, mentre i semplici stratagemmi di elaborazione del segnale da soli probabilmente non sono sufficientemente accurati. Gli autori avvertono tuttavia che la maggior parte degli studi finora è stata di piccole dimensioni e condotta in singoli ospedali, spesso in condizioni di registrazione attentamente controllate. Per passare dalla ricerca all’uso quotidiano — magari nei pronto soccorso, nelle cliniche o persino in strumenti basati su smartphone — sono necessari studi più ampi e multicentrici. Queste ricerche dovranno dimostrare che tali sistemi mantengono l’accuratezza in popolazioni eterogenee, restano comprensibili per i clinici e si integrano senza problemi nei percorsi di cura. Se questi ostacoli saranno superati, ascoltare attentamente il cuore con l’aiuto dell’intelligenza artificiale potrebbe un giorno aiutare a segnalare una malattia coronarica nascosta molto prima che sia necessario un test invasivo.

Citazione: Ainiwaer, A., Konings, T.J., Kadier, K. et al. Coronary artery disease diagnosis with signal processing and machine learning of heart sound signals: a systematic review. npj Digit. Med. 9, 350 (2026). https://doi.org/10.1038/s41746-026-02530-8

Parole chiave: malattia delle arterie coronarie, suoni cardiaci, apprendimento automatico, diagnosi non invasiva, stetoscopio digitale