L’elettrocardiogramma dura pochi minuti, costa relativamente poco ed è disponibile in quasi ogni ambulatorio. Finora è stato utilizzato soprattutto per registrare il ritmo e l’attività elettrica del cuore, individuando aritmie già presenti, segni di infarto o disturbi della conduzione. Una nuova applicazione dell’intelligenza artificiale suggerisce però che questo esame potrebbe contenere molte più informazioni di quanto riesca a vedere l’occhio umano. Un modello di deep learning è riuscito a ricavare da normali ECG a 12 derivazioni indizi sulle dimensioni e sulla funzionalità dell’atrio sinistro, la cavità cardiaca che riceve il sangue ossigenato dai polmoni e che svolge un ruolo centrale nello sviluppo della fibrillazione atriale. In pratica, l’algoritmo potrebbe riconoscere un atrio già “malato” quando il battito appare ancora regolare.
Per addestrare il sistema, i ricercatori hanno abbinato i tracciati elettrocardiografici alle risonanze magnetiche cardiache di 21.749 persone. La risonanza permette di osservare direttamente forma, volume e capacità di contrazione delle camere cardiache, ma è più costosa, richiede apparecchiature avanzate e non può essere impiegata facilmente come esame di massa. L’intelligenza artificiale ha imparato a collegare impercettibili variazioni elettriche dell’ECG ai parametri anatomici e funzionali visibili nelle immagini. Il risultato non è una fotografia reale dell’atrio, ma una stima matematica della sua struttura e del suo funzionamento. Questo approccio potrebbe trasformare l’ECG in una sorta di “finestra digitale” sul cuore, rendendo accessibili informazioni che oggi emergono soprattutto attraverso ecocardiografie o risonanze.
La parte più interessante riguarda ciò che è accaduto negli anni successivi. I parametri atriali ricostruiti dall’algoritmo sono stati valutati in due coorti esterne, cioè in gruppi di pazienti differenti da quelli utilizzati per l’addestramento. Le alterazioni stimate dall’IA risultavano associate alla futura comparsa di fibrillazione atriale, scompenso cardiaco e ictus ischemico. Per ogni aumento pari a una deviazione standard del volume atriale stimato, il rischio di ictus cardioembolico cresceva del 66%. Si tratta di un’associazione importante, perché la fibrillazione atriale può favorire il ristagno del sangue nell’atrio, la formazione di coaguli e la loro successiva migrazione verso il cervello. Il modello potrebbe quindi segnalare una vulnerabilità presente prima che l’aritmia venga registrata da un ECG tradizionale o provochi sintomi evidenti.
Il potenziale è notevole: un esame già diffuso potrebbe aiutare a selezionare le persone da sottoporre a monitoraggi prolungati, ecocardiogrammi o controlli specialistici. Ma i risultati non autorizzano ancora a usare l’algoritmo come screening nella popolazione generale. Il sistema ha previsto indicatori anatomici e rischi futuri, ma non è stato dimostrato che il suo impiego riduca realmente ictus, ricoveri o mortalità. Non è chiaro, inoltre, quale trattamento dovrebbe essere proposto a una persona con ECG apparentemente normale ma classificata dall’IA come ad alto rischio. Prescrivere farmaci anticoagulanti senza una fibrillazione documentata potrebbe esporre a sanguinamenti inutili. Serviranno quindi studi prospettici e trial clinici per capire se questa “anticipazione digitale” possa tradursi in una prevenzione efficace. La promessa, però, è concreta: ascoltare nel segnale elettrico del cuore ciò che la malattia non ha ancora avuto il tempo di mostrare.
⸻
Brody J.A., Yogeswaran V., Wiggins K.L. et al. Deep learning prediction of left atrial structure and function from 12-lead electrocardiograms. Nature Communications, pubblicato il 31 luglio 2026. DOI: 10.1038/s41467-026-76155-6.