Le malattie valvolari cardiache rappresentano una delle sfide più sottovalutate della cardiologia contemporanea, in particolare nell'età avanzata. Secondo le stime epidemiologiche più accreditate, la prevalenza delle valvulopatie moderate-severe aumenta in modo marcato con l'invecchiamento. Nkomo e colleghi, in un'analisi aggregata su oltre 11.000 adulti della popolazione generale pubblicata sul Lancet nel 2006, hanno stimato una prevalenza complessiva del 2,5% nella popolazione adulta statunitense, con un'impennata fino al 13,3% tra i soggetti di 75 anni e oltre.

Dati più recenti, come quelli dello studio Heart of New Ulm Valve pubblicato sul JACC: Cardiovascular Imaging, indicano invece che il 16% degli ultrasessantacinquenni statunitensi presenta una valvulopatia significativa, nella grande maggioranza dei casi non ancora diagnosticata. Si tratta di una patologia che compromette la funzionalità cardiaca, riduce la capacità fisica del paziente e si associa ad aritmie, scompenso cardiaco, aumentata ospedalizzazione e rischio di morte.

Uno degli ostacoli principali a una diagnosi tempestiva risiede nella natura spesso silente o aspecifica della malattia nelle sue fasi iniziali. Come ricordano Iung e Vahanian in una revisione sull'epidemiologia delle valvulopatie acquisite pubblicata sul Canadian Journal of Cardiology (2014), la prevalenza aumenta nettamente dopo i 65 anni a causa del predominio delle eziologie degenerative – soprattutto la stenosi aortica e l'insufficienza mitralica – e il carico di comorbilità tipico di questa fascia d'età rende ancora più complessa la gestione. Milioni di pazienti restano così privi di diagnosi fino a quando la malattia non è già avanzata, quando le opzioni terapeutiche si riducono e i rischi interventistici crescono.

I limiti dell'auscultazione tradizionale e la necessità di nuovi strumenti
Il stetoscopio tradizionale è, da oltre due secoli, il simbolo della medicina clinica. Tuttavia, la sua affidabilità diagnostica nella valutazione dei soffi cardiaci è condizionata da una serie di fattori soggettivi e ambientali. Ricerche precedenti hanno documentato che i medici di medicina generale, nell'individuare una valvulopatia significativa con il solo stetoscopio analogico, raggiungono una sensibilità media del 43-46% e una specificità del 69%, con una quota di casi clinicamente rilevanti sfuggiti alla diagnosi stimata intorno al 56-57%. Il rumore ambientale, la pressione del tempo durante la visita, l'esperienza personale del clinico e l'eventuale declino uditivo costituiscono altrettante variabili che possono compromettere la qualità dell'auscultazione.

È in questo contesto che si inserisce la tecnologia dei digital stethoscope potenziati dall'intelligenza artificiale. La piattaforma esaminata nello studio – l'Eko CORE 500 (Eko Health, SENSORA Cardiac Early Detection Platform) – combina la registrazione ad alta fedeltà dei suoni cardiaci con algoritmi di apprendimento automatico approvati dalla FDA statunitense. L'Eko Murmur Analysis Software (EMAS) è un algoritmo cloud-based che analizza i dati fonocardiografici e, ove disponibili, anche i tracciati ECG, utilizzando reti neurali convoluzionali (convolutional neural networks, CNN) addestrate su uno dei più grandi archivi al mondo di suoni cardiaci clinicamente validati. Il meccanismo d'azione si fonda sul riconoscimento automatico di pattern acustici anomali – soffi strutturali indicativi di stenosi o rigurgiti valvolari – che vengono identificati e classificati in pochi secondi, fornendo al clinico un supporto decisionale oggettivo e riproducibile, al netto delle variabili soggettive che condizionano l'auscultazione convenzionale.

Lo studio prospettico: disegno e popolazione
Lo studio, dal titolo "Artificial-Intelligence-Enabled Digital Stethoscope Improves Point-of-Care Screening for Moderate to Severe Valvular Heart Disease", condotto da Moshe Rancier e colleghi di Mass General Brigham Community Physicians (Lawrence, Massachusetts) e della società Eko Health, ha adottato un disegno prospettico, monobraccio, in singolo cieco. Tra giugno 2021 e maggio 2023, sono stati reclutati consecutivamente 357 pazienti di età pari o superiore a 50 anni, afferenti a tre ambulatori di medicina primaria nella stessa area geografica degli Stati Uniti, in assenza di precedente diagnosi di valvulopatia o storia documentata di soffio cardiaco. I criteri di eleggibilità prevedevano la presenza di almeno uno tra i seguenti fattori di rischio: ipertensione arteriosa, obesità (BMI ≥30), diabete mellito, dislipidemia, fibrillazione atriale, pregresso infarto miocardico, ictus o TIA, precedente rivascolarizzazione coronarica o angiografia coronarica.

L'età mediana dei partecipanti era di 70 anni e il 61,9% era di sesso femminile. Ciascun paziente è stato sottoposto a una valutazione auscultativa in quattro punti del torace, eseguita prima con il proprio stetoscopio analogico da parte del medico di base (standard of care, SOC) e successivamente con lo stetoscopio digitale Eko potenziato dall'IA da parte di operatori appositamente formati. Come riferimento diagnostico di certezza (ground truth) è stata utilizzata l'ecocardiografia, considerata il gold standard per la diagnosi di valvulopatia.

Risultati: sensibilità quasi raddoppiata, falsi positivi sotto controllo
I risultati emersi dallo studio hanno evidenziato un divario diagnostico di notevole entità tra le due metodiche. La sensibilità del sistema AI-augmented nel rilevare la presenza di un soffio strutturale uditivamente percettibile (audible structural murmur) associato a valvulopatia è risultata pari al 92,3%, contro il 46,2% dell'auscultazione standard (p=0,01). Per quanto riguarda la valvulopatia confermata ecocardiograficamente, la sensibilità del sistema AI è quasi triplicata rispetto all'auscultazione tradizionale: 39,7% contro 13,8% (p=0,01). In termini assoluti, il sistema AI-augmented ha identificato 12 pazienti con valvulopatia clinicamente significativa non precedentemente diagnosticata, rispetto ai soli 6 identificati con il metodo standard.

Va segnalato che il potenziamento della sensibilità ha comportato una modesta riduzione della specificità: 86,9% per lo stetoscopio AI versus 95,6% per l'auscultazione tradizionale nel caso dei soffi strutturali (p<0,001), con un corrispondente incremento dei falsi positivi (45 versus 15). Gli autori, tuttavia, sottolineano che questo trade-off debba essere valutato alla luce del beneficio atteso dalla diagnosi precoce: il costo associato a un maggior numero di esami ecocardiografici di approfondimento viene considerato ampiamente compensato, a livello di popolazione, dalla prevenzione di ricoveri ospedalieri, complicanze avanzate e interventi in fase tardiva di malattia.

Le parole degli autori: uno strumento di supporto, non di sostituzione
La senior author dello studio, Rosalie V. McDonough, medical affairs director di Eko Health (Emeryville, California), ha commentato i risultati con particolare enfasi sull'impatto clinico e sistemico della tecnologia: "La valvulopatia è purtroppo molto comune negli adulti anziani, eppure spesso non viene rilevata finché i sintomi non diventano avanzati. Ciò significa che i pazienti possono andare incontro a complicanze e a un peggioramento della salute che avrebbero potuto essere prevenuti con una diagnosi più precoce." La McDonough ha altresì precisato che "l'utilizzo dell'intelligenza artificiale fornisce un ulteriore livello analitico, mettendo in evidenza anomalie che possono essere difficili da rilevare in modo costante con il solo udito. Ma la tecnologia non si sostituisce al medico: l'utilizzo di questo dispositivo richiede che i professionisti esercitino il proprio giudizio clinico."

Un elemento di interesse emerso in modo inatteso dalla ricerca riguarda l'impatto sull'engagement del paziente durante la visita. I pazienti sottoposti all'auscultazione con lo stetoscopio AI sembravano più coinvolti e partecipi, verosimilmente perché potevano vedere e ascoltare in tempo reale i suoni cardiaci registrati e le risposte del clinico. Questo dato, pur ancora preliminare, suggerisce che l'uso di strumenti di visualizzazione diretta potrebbe rafforzare il rapporto medico-paziente e migliorare l'aderenza alle raccomandazioni di follow-up.

Implicazioni cliniche e prospettive future
Lo studio si inserisce in un filone di ricerca sempre più consolidato sull'applicazione dell'IA alla cardiologia diagnostica. Ricerche precedenti, tra cui il lavoro pubblicato sul Journal of the American Heart Association da Chorba et al., avevano già dimostrato che un algoritmo di deep learning basato su reti neurali convoluzionali ResNet-24 era in grado di rilevare soffi cardiaci con accuratezza paragonabile a quella di cardiologi esperti, identificando forme severe di stenosi aortica e insufficienza mitralica dai soli suoni registrati con uno stetoscopio digitale. I risultati di Rancier e colleghi si collocano dunque in continuità con queste evidenze, estendendole per la prima volta in modo sistematico a un contesto di medicina primaria reale, con una casistica prospettica e multicentrica.

Il percorso diagnostico previsto dallo studio mantiene al centro il ruolo del medico: i pazienti identificati dallo stetoscopio AI come a rischio per valvulopatia vengono indirizzati verso l'ecocardiografia per la conferma diagnostica formale, prima di accedere alle opzioni terapeutiche disponibili – dalla sorveglianza clinica programmata all'intervento valvolare, incluse le procedure transcatetere oggi disponibili per i pazienti ad alto rischio chirurgico. Gli autori sottolineano come la tecnologia debba essere intesa come uno strumento di supporto alla decisione clinica, non come un sostituto dell'expertise medica.

Gli autori riconoscono alcune limitazioni dello studio, tra cui la provenienza della casistica da una singola area geografica degli Stati Uniti e la composizione prevalentemente femminile della coorte. Ricerche future dovranno testare le prestazioni della tecnologia in popolazioni più eterogenee e in ambienti clinici diversi, inclusi contesti a risorse limitate, dove l'accesso all'ecocardiografia è più difficile e l'impatto di uno screening precoce potrebbe essere ancora maggiore. La conclusione della McDonough suona come un invito alla comunità scientifica: "Questa ricerca si aggiunge a un corpus crescente di evidenze che dimostrano come l'intelligenza artificiale possa potenziare gli strumenti clinici tradizionali in modo pratico e responsabile, non sostituendo i professionisti sanitari, ma dotandoli di strumenti per avere maggiore fiducia nella valutazione dei pazienti."

Bibliografia
Moshe Rancier, Igor Israel, Vimalson Monickam, et al., Artificial-intelligence-enabled digital stethoscope improves point-of-care screening for moderate-to-severe valvular heart disease,  Febbraio 2026. leggi

European Society of Cardiology (ESC). AI-enabled stethoscope demonstrated to be twice as efficient at detecting valvular heart disease in the clinic [comunicato stampa]. Sophia Antipolis: ESC; 5 febbraio 2026. leggi

Nkomo VT, Gardin JM, Skelton TN, Gottdiener JS, Scott CG, Enriquez-Sarano M. Burden of valvular heart diseases: a population-based study. Lancet. 2006;368(9540):1005-1011. DOI: https://doi.org/10.1016/S0140-6736(06)69208-8. PubMed PMID: 16980116. https://pubmed.ncbi.nlm.nih.gov/16980116/
Iung B, Vahanian A. Epidemiology of acquired valvular heart disease. Can J Cardiol. 2014;30(9):962-70. DOI: https://doi.org/10.1016/j.cjca.2014.03.022. leggi

Chorba JS, Bhatt DL, Wu JC, Bhatt DL, Bhatt DL. Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform. J Am Heart Assoc. 2021;10(9):e019905. leggi


Sengupta PP, Shrestha S, Berthon B, et al. Proposed Requirements for Cardiovascular Imaging-Related Machine Learning Evaluation (PRIME): A Checklist. JACC Cardiovasc Imaging. 2020;13(9):2017-2035. leggi

JACC: Cardiovascular Imaging. Burden of Undiagnosed Valvular Heart Disease in the Elderly in the Community: Heart of New Ulm Valve Study. J Am Coll Cardiol Img. 2023. DOI: https://doi.org/10.1016/j.jcmg.2023.02.009. leggi

Ti è piaciuto l'articolo? Condividilo: