Sistema di Intelligenza Artificiale per il riconoscimento di Ipertensione Polmonare dagli ECG

Pulmonary hypertension (PI) is a rare and progressive respiratory disease characterized by dangerously high mean pulmonary pressure, greater than 25 mmHg, due to destruction, wall thickening, narrowing or obstruction of the vessels themselves. In pulmonary hypertension there is hypertrophy of the right atrium and ventricle and the dilatation can manifest itself through identifiable signs on the echocardiographic tracing: P waves of greater than normal amplitude and ST-segment depression in leads II, III, and aVF; shift to the right in the QRS axis; lower shift of the P wave vector; decrease in R-wave progression in precordial directions and increase in mean heart rate, associated with a worse prognosis of the disease. These characteristics allow signs of the disease to be detected from ECG analysis. Since the echocardiogram is one of the standard tests that are used for the diagnosis of IP and being a routine test that has been carried out for over 70 years, the interest arose in identifying the early symptoms of the disease directly from the ECG by exploiting machine learning, so as to reduce delays in the diagnosis of PH through targeted screening campaigns. For this purpose, an 18-layer Residual Network (ResNet-18) was implemented, which allowed us to achieve excellent results in the classification of ECGs affected by pulmonary hypertension and in the identification of the typical signs of the disease directly on the ECGs. In particular, a classification accuracy of 0.90, an AUROC of 0.98, a specificity of 0.97 and an F1 score of 0.89 were achieved.

L'ipertensione polmonare (IP) è una malattia respiratoria rara e progressiva, caratterizzata da una pressione polmonare media pericolosamente alta, superiore ai 25 mmHg, dovuta alla distruzione, all’ispessimento parietale, al restringimento o all’ostruzione dei vasi stessi. Nell’ipertensione polmonare è presente un’ipertrofia dell’atrio e del ventricolo di destra e la dilatazione può manifestarsi attraverso segni identificabili sul tracciato ecocardiografico: onde P di ampiezza superiore alla norma e sottoslivellamento del tratto ST nelle derivazioni II, III, e aVF; spostamento a destra nell’asse QRS; spostamento inferiore del vettore dell’onda P; diminuzione della progressione delle onde R in direzioni precordiali e aumento della frequenza cardiaca media, associata a una prognosi peggiore della malattia. Queste caratteristiche permettono di rilevare i segni della malattia dall’analisi dell’ECG. Essendo l’ecocardiogramma uno degli esami standard che vengono utilizzanti per la diagnosi della IP ed essendo un test di routine che viene effettuato da oltre 70 anni, è nato l’interesse nell’andare ad individuare i sintomi precoci della malattia direttamente dall’ECG sfruttando l’apprendimento automatico, così da ridurre i ritardi nella diagnosi della PH attraverso campagne di screening mirate. A questo scopo, è stata implementata una Residual Network a 18 strati (ResNet-18), che ci ha permesso di raggiungere risultati eccellenti nella classificazione degli ECG affetti da ipertensione polmonare e nell’individuazione dei segni tipici della patologia direttamente sugli ECG. In particolare, è stata raggiunta un’accuratezza di classificazione pari a 0.90, un’AUROC pari a 0.98, una specificità pari a 0.97 e un F1 score pari a 0.89.