Si è appena concluso il progetto “Simulation Modeling of coronary ARTery disease: a tool for clinical decision support: SMARTool” (Grant Agreement nr.689068), finanziato dalla Commissione Europea nell’ambito del Programma Horizon 2020 e coordinato dal Consiglio Nazionale delle Ricerche - Istituto di Fisiologia Clinica (CNR - IFC) di Pisa, ha sviluppato una piattaforma, basata su intelligenza artificiale e tecnologia cloud, per la gestione dei pazienti con malattia coronarica standardizzando e integrando dati clinici eterogenei. La piattaforma include una serie di modelli multiscala e multilivello di caratterizzazione e di progressione della placca coronarica basata su angiografia TC coronarica (CCTA) non invasiva [1-3] integrata con dati di varia natura specifici del paziente (sintomi, fattori di rischio, stile di vita, esami del sangue, dati genetici, profilo lipidico) ed elaborati da algoritmi di IA.

L'aterosclerosi è la patologia alla base della malattia coronarica (CAD), una delle principali cause di morbilità e mortalità, con un costo per l'UE di quasi 196 miliardi di euro l’anno, a causa delle manifestazioni cliniche ad essa associate, che vanno dall’angina stabile fino ad eventi acuti come l’infarto e la morte improvvisa coronarica. Fattori locali (placche ad alto rischio) e fattori bioumorali sistemici individuali (profilo infiammatorio/trombogenico/lipidico e profilo genetico) concorrono allo sviluppo e alla progressione della CAD.

Le ragioni principali della scarsa efficacia di gran parte delle strategie di prevenzione delle complicanze acute della CAD sono legate sia allo scarso valore prognostico dei soli fattori di rischio classici, sia alla difficoltà di identificare le placche “ad alto rischio”. La trombosi occlusiva dell’arteria e l’insorgenza dell’evento coronarico ischemico acuto potrebbe essere verosimilmente scatenato dalla combinazione di complicanze locali a livello della placca (rottura, erosione etc) e di alterazioni sistemiche con elevati livelli ematici di molecole infiammatorie e/o di trombogenesi.

La complessità di questi processi e il numero di fattori coinvolti spiega perché i modelli statistici di rischio falliscono spesso nell'identificazione e nella previsione dell'evoluzione della malattia.

In una visione di e-Health 2.0, sempre più personalizzata e supportata da sistemi informatici avanzati basati sull’intelligenza artificiale (IA), una possibile strategia è creare un modello predittivo di severità e progressione della placca che integri, in una piattaforma unica, tutti i fattori locali e sistemici del singolo paziente, da elaborare con modelli statistici complessi, validare in una popolazione con diversi gradi di severità e progressione della malattia e frequenza di eventi e quindi utilizzare come strumento per il supporto alla decisione clinica per la stratificazione del rischio e per diagnosi, prognosi e trattamento dei pazienti con malattia coronarica.

Il progetto ha coinvolto 10 partner pubblici e privati, specializzati nella ricerca clinica e scientifica di 9 paesi europei, e 4 centri clinici di supporto per la raccolta dei dati clinici che hanno lavorato stretto contatto per tre anni e mezzo, coinvolgendo medici, biologici, chimici, informatici ed ingegneri.

Il progetto ha confermato come un aumento della concentrazione nel sangue di molecole infiammatorie quali Interleuchina-6, pari a 2 volte il valore rispetto ai soggetti sani, sia associato ad un maggiore rischio di progressione della malattia nel tempo [4], mentre una bassa concentrazione plasmatica di leptina, un ormone coinvolto nella regolazione del bilancio energetico, con una riduzione fino al 50% del valore rispetto al gruppo di controllo, sia direttamente correlata alla severità della malattia [5]. L’analisi avanzata del profilo lipidico nel sangue ha inoltre evidenziato una serie di classi di lipidi associati alla presenza e severità della malattia.

L’analisi dell’espressione degli RNA circolanti ha permesso di identificare una serie di geni, coinvolti nei meccanismi di apoptosi, metabolismo, risposta immunitaria ed emopoiesi, significativamente associati alla presenza/severità di CAD e ha permesso di sviluppare un algoritmo diagnostico innovativo per il calcolo dello score di rischio con una accuratezza dell’80% [5]. Inoltre, grazie all’impiego della CCTA, è stato possibile evidenziare come placche non-calcifiche presentino una maggiore progressione di volume nel tempo rispetto a quelle calcifiche, dimostrare che l’ipertensione è un fattore di rischio per la progressione e che infine le statine, farmaco utilizzato per controllare i livelli di colesterolo nel sangue, stabilizzano le placche, favorendone la calcificazione [6].

“Lo scopo ultimo del progetto è quello di fornire al cardiologo un sistema capace di aiutarlo nella identificazione più accurata possibile del soggetto realmente a rischio di eventi clinici avversi quali l’infarto” [7] dichiara la Coordinatrice del progetto, la Dr.ssa Silvia Rocchiccioli, “favorendo sia un miglior trattamento del paziente in termini di cura efficace, sia rendendo più efficiente il sistema di diagnosi con una forte riduzione dei costi per i sistemi sanitari dei paesi dell’area EU”.

finesamrtool

 

consorziosmartool

Vedi anche: Sito SMARTool

References

[1] Siogkas PK, Anagnostopoulos CD, Liga R, Exarchos TP, Sakellarios AI, Rigas G, Scholte AJHA, Papafaklis MI, Loggitsi D, Pelosi G, Parodi O, Maaniitty T, Michalis LK, Knuuti J, Neglia D, Fotiadis DI. Noninvasive CT-based hemodynamic assessment of coronary lesions derived from fast computational analysis: a comparison against fractional flow reserve. Eur Radiol. 2019 Apr;29(4):2117-2126.

[2] Kigka VI, Rigas G, Sakellarios A, Siogkas P, Andrikos IO, Exarchos TP, Loggitsi D, Anagnostopoulos CD, Michalis LK, Neglia D, Pelosi G, Parodi O, Fotiadis DI. 3D reconstruction of coronary arteries and atherosclerotic plaques based on computed tomography angiography images. Biomedical Signal Processing and Control 2018 Feb;40:286–294.

[3] Djukic T, Saveljic I, Pelosi G, Parodi O, Filipovic N. Numerical simulation of stent deployment within patient-specific artery and its validation against clinical data. Comput Methods Programs Biomed. 2019 Jul;175:121-127.

[4] Caselli C, Rocchiccioli S, Rosendael A, Buechel R, Teresinska A, Pizzi MN, Smit JM, Magnacca M, Del Ry S, Vozzi F, Knuuti J, Pelosi G, Parodi O, Scholte A, Neglia D. Biohumoral predictors of coronary atherosclerosis progression in patients with suspected coronary artery disease from the SMARTool Study, Congress of European Society of Cardiology ESC 2018, Munich, Germany

[5] Caselli C, Rocchiccioli S, Rosendael A, Buechel R, Teresinska A, Pizzi N, Smit JM, Poddighe R, Del Ry S, Vozzi F, Knuuti J, Pelosi G, Parodi O, Scholte A, Neglia D. Low leptin plasma levels are associated with progression of coronary atherosclerosis in patients with stable coronary artery disease from the SMARTool Study, Congress of European Society of Cardiology ESC 2019, Paris, France

[6] Smit JM, Van Rosendael AR, Barbon F, Neglia D, KnuutiJ, Buechel R, Teresinska A, Pizzi MN, Poddighe R, Caselli C, Rocchiccioli S, Parodi O, Pelosi G, Scholte AJ. Quantitative CTA analysis of coronary plaque progression in SMARTool clinical study: the association between baseline clinical parameters and plaque progression, Congress of European Society of Cardiology ESC 2018, Munich, Germany

[7] Sakellarios A, Siogkas P, Georga E, Tachos N, Kigka V, Tsompou P, Andrikos I, Karanasiou GS, Rocchiccioli S, Correia J, Pelosi G, Stofella P, Filipovic N, Parodi O, Fotiadis DI. A Clinical Decision Support Platform for the Risk Stratification, Diagnosis, and Prediction of Coronary Artery Disease Evolution. Conf Proc IEEE Eng Med Biol Soc. 2018 Jul;2018:4556-4559.