Reti neurali artificiali: identificazione di pazienti ad alto rischio cardiovascolare

Early recognition of patients at high risk of vascular diseases (VDs) is an important goal in medicine of western countries. Efforts in developing inexpensive screening devices that can assist in the differentiation between low and high risk subjects have been numerous. Large epidemiological studies (PROCAM, FRAMINGHAM) provide algorithms, which assess the individual global risk to develop new vascular events on the basis of vascular risk factors (VRFs). The intima media thickness (IMT) of carotid arteries (CAs) evaluated by ultrasound methodologies is an early manifestation of atherosclerosis, potentially predictive of symptomatic VD. IMT is a reliable index of the presence of atherosclerosis in other vascular districts and can predict new vascular events. Artificial neural networks (ANNs) are computer algorithms inspired by highly interactive processing of human brain. Like the brain, ANNs can recognize patterns and manage data, and when exposed to complex data sets, they have the capability to learn the underlying mechanics relating different variables and to recognise complex patterns and classification tasks. The purpose of the study was to evaluate the performance of ANNs in the recognition of patients at low or high risk of VDs on the basis of conventional VRFs, IMT or both. Patients were arbitrarily assigned to the high risk group when suffering from overt cardio- (myocardial infarction or angina), cerebro- (transient ischemic attack or stroke) or peripheral-VDs. The near and far wall of left and right carotid arteries were measured from 578 patients (464 at low and 114 at high risk for VDs) using B-Mode ultrasound. CA-IMT images were processed in real time by using the electronic caliper of the machine. With optimal settings, a prediction accuracy (weighted mean) of about 87% were obtained when conventional VRFs were used as input variables in the ANN classification system. When only ultrasonic variables were used, a prediction accuracy of about 77% was observed. The addition, to this last set, of variables obtained without any additional cost (gender, age, weight, height and body mass index) led accuracy of prediction to 86%. Pooling data of all ultrasonic variables and all VRFs did not significantly improve the performance of ANNs in the classification task (prediction accuracy = 83%). Finally, when ANNs were allowed to choose automatically the relevant input data (I.S. system), 31 variables were selected and, among these, 6 were ultrasonic variables. By using this set of variables as input data the performance of ANNs in the classification task increased, reaching a prediction accuracy about 92%, with 100% of correct classification of high risk patients. In conclusion, ANN technology is promising in the development of highly specific diagnostic tools to be used for patients’ classification into low or high risk classes.

L’identificazione dei pazienti ad alto rischio di malattie cardiovascolari (MC) è un importante obiettivo della medicina dei paesi occidentali. Negli ultimi anni numerosi sforzi sono stati effettuati al fine di sviluppare strumenti a basso costo per il riconoscimento precoce di questi soggetti. Importanti studi epidemiologici (PROCAM, FRAMINGHAM) hanno prodotto algoritmi capaci di individuare i soggetti a rischio sulla base dei fattori di rischio. L’ispessimento medio intimale (IMT) delle carotidi extracraniche è un indice precoce di aterosclerosi generalizzata, anch’esso potenzialmente utilizzabile per l’individuazione precoce di soggetti predisposti alla patologia aterosclerotica. Le reti neurali artificiali (RNA) sono algoritmi informatici ispirati ai processi altamente interattivi del cervello umano. Come il cervello, le RNA sono in grado di decifrare i sottili meccanismi che mettono in relazione le diverse variabili in modelli sperimentali complessi e di assolvere a compiti di classificazione. Il presente studio è stato disegnato al fine di valutare la capacità delle RNA di distinguere, sulla base dei fattori di rischio convenzionali, dell’IMT carotideo o di entrambi, tra pazienti a basso o alto rischio per patologie cardiovascolari. Lo studio è stato condotto in 578 soggetti dislipidemici. Fra questi, 114 erano sintomatici per malattie cardiovascolari (infarto miocardico, angina), o cerebrovascolari (ischemia cerebrale transitoria, ictus) o per ateropatie periferiche e in quanto tali sono stati definiti ad alto rischio. I restanti 464 soggetti erano asintomatici e sono stati definiti a basso rischio. L’IMT carotideo, visualizzato mediante ultrasonografia B-mode, è stato misurato in tempo reale utilizzando il calibro elettronico della macchina stessa. Per l’analisi sono stati effettuati numerosi esperimenti utilizzando diverse reti neurali ideate dal Centro Ricerche Semeion. Nel migliore dei casi, utilizzando i fattori di rischio convenzionali come variabili di entrata nel sistema di classificazione è stata ottenuta una accuratezza di classificazione fra soggetti a basso o alto rischio (media ponderata) del 87%. Utilizzando come variabili di entrata le variabili ultrasonografiche, si otteneva una accuratezza del 77%. Aggiungendo a questo set di variabili quelle ottenibili a costo zero (età, sesso, peso, altezza e indice di massa corporea) l’accuratezza di predizione aumentava fino all’86%. L’utilizzo, nel sistema di classificazione, di tutte le variabili ecografiche e di tutti i fattori di rischio come variabili di entrata non migliorava l’accuratezza delle RNA nel compito di classificazione (accuratezza di predizione pari a circa 83%). Infine, permettendo al sistema di selezionare automaticamente le variabili più rilevanti (I.S. system-Semeion ), 31 variabili entravano nel modello e fra queste ben 6 erano variabili ultrasonografiche. Utilizzando questo set di variabili, l’accuratezza delle RNA nella classificazione dei soggetti a basso o ad alto rischio aumentava drammaticamente raggiungendo un’accuratezza globale di predizione del 92% ed un 100% di classificazione corretta dei soggetti ad alto rischio. In conclusione, le RNA sono una tecnologia promettente per lo sviluppo di strumenti diagnostici utilizzabili nella routine clinica per la classificazione di pazienti a basso e ad alto rischio di patologie vascolari.