Valutazione dell'ECG con apprendimento profondo e valutazione clinica per l'idoneità allo sport agonistico (VALETUDO)

L’obiettivo di questo studio osservazionale è valutare la possibilità di costruire un modello di Deep Learning (DL) in grado di analizzare i tracciati elettrocardiografici degli atleti e fornire informazioni sotto forma di stratificazione delle probabilità di malattia cardiovascolare.

Il modello DL richiede la formazione per essere calibrato. Il progetto prevede di condurre valutazioni di accuratezza sulla popolazione di validazione (76 atleti) e prove di allenamento su un diverso set di dati (455 atleti).

È prevista una prima fase di formazione sul sistema. Gli atleti saranno valutati secondo le linee guida vigenti e le Linee guida cardiologiche italiane per la partecipazione sportiva agonistica - COCIS, con gli accertamenti diagnostici richiesti caso per caso. Al termine della valutazione cardiaca gli atleti possono essere classificati come “idonei” o “non idonei” all’attività agonistica.

I partecipanti sottoporranno gli ECG degli atleti “idonei” e “non idonei”, classificati in questi due gruppi, a un algoritmo di deep learning per addestrare il sistema di intelligenza artificiale.

Verrà quindi reclutata una popolazione di atleti consecutivi per formare il set di validazione per il test. Tali atleti hanno indicazioni di valutazione per la concessione dell'idoneità agonistica, come indicato dai medici sportivi referenti. Anche in questo caso gli atleti inseriti nel set di validazione verranno valutati secondo le linee guida e il COCIS con appositi test caso per caso per valutare l'idoneità alla competizione.

I partecipanti sottoporranno gli ECG degli atleti del set di validazione al modello di intelligenza artificiale per valutare accuratezza, sensibilità, specificità, valore predittivo positivo, valore predittivo negativo e AUC nel discriminare gli atleti giudicati "idonei" da quelli giudicati "non idonei" all'attività agonistica dopo indagini cardiache.