Sviluppo e Validazione di un Modello di Deep Learning Multimodale Basato su Risonanza Magnetica Cardiaca per la Predizione di Esiti a Lungo Termine nell'Infarto Miocardico con Sopraslivellamento del Tratto ST

Obiettivo: Questo studio mira a sviluppare e testare un nuovo modello predittivo basato sull'intelligenza artificiale. Il modello integrerà immagini di risonanza magnetica cardiaca e dati clinici per prevedere il rischio a lungo termine di eventi cardiovascolari avversi maggiori in pazienti che hanno subito un intervento coronarico percutaneo d'emergenza per infarto miocardico con sopraslivellamento del tratto ST.

Descrizione: Questo studio prevede di arruolare pazienti con STEMI che hanno ricevuto un'angioplastica primaria. Circa una settimana dopo la procedura, i pazienti si sottoporranno a una scansione di risonanza magnetica cardiaca. Contemporaneamente, raccoglieremo le informazioni di base dei pazienti, i risultati degli esami del sangue durante il trattamento e i registri procedurali. Successivamente, i pazienti saranno seguiti regolarmente (ogni sei mesi) per registrare il verificarsi di eventuali eventi cardiaci avversi maggiori, come morte cardiovascolare, infarto miocardico ricorrente, ospedalizzazione per insufficienza cardiaca o rivascolarizzazione ripetuta non pianificata. Tutti i dati raccolti, inclusi i dati clinici e le immagini di risonanza magnetica cardiaca analizzate, saranno utilizzati per costruire un modello di apprendimento profondo multimodale. Il modello imparerà a identificare le caratteristiche associate a futuri problemi cardiaci. L'accuratezza del modello sarà testata e convalidata in diversi gruppi di pazienti.

Impatto potenziale: Se avrà successo, questo strumento di previsione potrebbe aiutare i medici a identificare i pazienti ad alto rischio in modo più precoce e preciso, consentendo un monitoraggio più attento e interventi più tempestivi, migliorando infine la prognosi a lungo termine per questi pazienti.