ChatGPT e interpretazione dell’ECG dell’atleta: una necessaria prova di realtà
L’intelligenza artificiale sta trasformando numerosi ambiti della medicina, ma la rapidità della sua diffusione rischia talvolta di precedere la disponibilità di solide evidenze cliniche. Lo studio multicentrico di S. Palermi e collaboratori offre quindi un contributo particolarmente attuale, valutando la capacità di un modello linguistico generalista, ChatGPT versione 5, di riconoscere la presenza di patologia cardiovascolare a partire dall’immagine dell’ECG di atleti sottoposti a screening pre-partecipativo.
L’ampiezza della casistica – 2.950 atleti, 450 dei quali con una diagnosi cardiovascolare confermata – rappresenta uno dei punti di forza del lavoro. A ciascun ECG il modello ha attribuito un punteggio da 0 a 100, indicativo della probabilità di malattia, senza informazioni cliniche aggiuntive, addestramento specifico o procedure di calibrazione. I risultati sono inequivocabili: la distribuzione dei punteggi è risultata sostanzialmente sovrapponibile negli atleti con e senza patologia, con una mediana pari a zero in entrambi i gruppi. L’area sotto la curva ROC è stata 0,52, valore compatibile con una classificazione pressoché casuale.
Il dato clinicamente più rilevante riguarda l’elevata quota di falsi negativi. Alla soglia individuata mediante indice di Youden, il modello non ha riconosciuto il 79,3% degli atleti affetti. La maggior parte dei casi mancati presentava alterazioni “borderline” secondo i criteri internazionali, ma sono sfuggiti anche 56 ECG con anomalie considerate patologiche. Ne deriva un rischio concreto di falsa rassicurazione, particolarmente inaccettabile in un programma di screening finalizzato a identificare soggetti potenzialmente esposti a eventi cardiovascolari gravi.
Lo studio richiede tuttavia un’interpretazione equilibrata. Non dimostra l’inutilità dell’intelligenza artificiale nell’elettrocardiografia, bensì l’inadeguatezza diagnostica di un modello generalista utilizzato in configurazione “naïve”. Gli algoritmi sviluppati specificamente su segnali ECG grezzi, addestrati su esiti clinici definiti e validati in popolazioni appropriate, appartengono a una categoria tecnologica differente. Inoltre, alcune patologie considerate non sono necessariamente riconoscibili all’ECG; significativamente, però, anche limitando l’analisi alle condizioni teoricamente ECG-identificabili, la performance non migliorava.
Il messaggio per la comunità aritmologica è chiaro: accessibilità e capacità conversazionale non equivalgono a competenza diagnostica. Oggi i modelli linguistici possono offrire supporto nella formazione, nella documentazione e nell’organizzazione delle informazioni, ma non devono essere impiegati autonomamente per il triage degli ECG dell’atleta. Lo screening deve continuare a fondarsi sui criteri internazionali, sull’inquadramento clinico e sul giudizio dello specialista. L’innovazione sarà realmente utile soltanto quando accompagnata da addestramento specifico, validazione prospettica, trasparenza e rigorosa supervisione clinica.
Matteo Anselmino è Professore Associato di Cardiologia presso l’Università degli Studi di Torino e dirigente medico della Divisione Universitaria di Cardiologia della Città della Salute e della Scienza di Torino. Specialista in Cardiologia con lode e dottore di ricerca presso il Karolinska Institutet di Stoccolma, svolge attività clinica, didattica e scientifica, con particolare interesse per l’elettrofisiologia, la fibrillazione atriale e l’innovazione tecnologica. È docente della Scuola di Specializzazione in Malattie dell’Apparato Cardiovascolare e componente del Collegio docenti del Dottorato in Medicina e Terapia Sperimentale. Ha coordinato progetti di ricerca nazionali, europei e multidisciplinari e partecipa a organismi scientifici internazionali, tra cui l’European Heart Rhythm Association. Socio AIAC dal 2014, è stato componente dell’Area “Raggi Zero”, Chairman della stessa Area dal 2018, Chairman dell’Area “Radiation Awareness” dal 2021 e componente del Comitato Scientifico AIAC Ricerca dal 2022 al 2026. È inoltre autore di numerose pubblicazioni scientifiche internazionali e contributi didattici specialistici.