Questa pagina è stata tradotta automaticamente. In caso di discrepanza, fa fede la versione inglese.

Revisionato: 16 luglio 2026

Il futuro della gestione delle malattie cardiache

Di: Peter Megdal PhD

Come usare questo articolo

Avvertenza medica: Questo articolo è solo a scopo educativo e non costituisce un consiglio medico. Consulta sempre il tuo medico per una guida personale.

Punti chiave clinici

  • La maggior parte degli infarti miocardici è causata da placche coronariche non ostruttive che i test da sforzo standard non riescono a individuare prima della loro rottura.
  • Un punteggio di calcio coronarico pari a zero non esclude la presenza di placche non calcificate pericolose e soggette a rottura.
  • La tomografia computerizzata quantitativa basata sull'intelligenza artificiale misura in modo non invasivo il carico e la composizione della placca, consentendo di prevedere il rischio cardiovascolare in modo più accurato rispetto alla sola stenosi luminale.

Lettura agevolata

Immagina di trovarti davanti a una bellissima casa. Il prato è di un verde perfetto. Le finestre sono pulite e lucide. Dalla strada, la casa sembra nuova di zecca. Ma dietro le pareti si nasconde un “fantasma nella macchina”. Le tubature dell’acqua sono vecchie e arrugginite. I cavi elettrici sono logori e producono scintille. Non è possibile individuare questi problemi semplicemente osservando l’esterno. Un giorno, una tubatura scoppia o scoppia un incendio. Tutti rimangono scioccati. Dicono: “Ma la casa sembrava in ottime condizioni!”

È proprio quello che succede a molte persone e al loro cuore. Molte persone vanno dal medico e ricevono un “certificato di buona salute”. Si sentono bene. Superano gli esami di base. Il medico dice loro che tutto sembra “a posto”. Poi, all’improvviso, hanno un infarto. Questo accade perché i nostri vecchi test sono come guardare la casa dalla strada: non rilevano i “tubi arrugginiti” all’interno delle pareti del cuore.

Oggi ci troviamo all’inizio di un cambiamento epocale. Si tratta di un “cambiamento di paradigma”. Ciò significa che stiamo cambiando il nostro modo di agire partendo da zero. Anziché aspettare che nel cuore divampi un “incendio”, utilizziamo l’Intelligenza Artificiale (IA) per individuare il pericolo anni prima che provochi problemi. Stiamo passando da un mondo in cui reagiamo al dolore a un mondo in cui possiamo vedere chiaramente la verità.

Il pericolo “nascosto”: la maggior parte degli infarti non è causata da occlusioni totali

La maggior parte di noi pensa che un infarto sia come un lavello da cucina intasato. Pensiamo che un tubo si riempia di “sporcizia” fino a impedire il passaggio del sangue. Nel mondo medico, questo restringimento viene chiamato “stenosi.” Un tempo i medici ritenevano che, se un condotto fosse stato ostruito al 90%, il paziente fosse ad alto rischio. Se invece l’ostruzione fosse stata solo al 20%, lo consideravano al sicuro.

Ma ecco il segreto inquietante: la maggior parte degli infarti non si verifica nei vasi sanguigni che sono quasi completamente ostruiti. Si verificano invece in vasi sanguigni che sembrano quasi completamente liberi.

Immaginate una “bolla” all’interno della parete di un’arteria. All’esterno, l’arteria sembra a posto. Il sangue scorre facilmente al suo interno. Ma all’interno della parete, quella bolla è piena di “grasso” morbido e oleoso. Questo grasso è molto instabile. Se quella vescica si rompe, crea un coagulo improvviso. È proprio quel coagulo a bloccare il flusso sanguigno e a causare l’infarto. Poiché il tubo non era “ostruito” prima che la vescica si rompesse, un esame di routine indicherebbe che la persona sta perfettamente bene.

I numeri raccontano una storia che tutti dovrebbero conoscere:

“Studi autoptici e angiografici dimostrano che circa il 70–75% degli infarti miocardici si verifica in vasi con una stenosi inferiore al 50% prima dell’evento indice.”

Ciò significa che, su ogni 10 persone colpite da infarto, 7 o 8 avrebbero superato un esame che rileva solo le ostruzioni più gravi. Le loro arterie coronarie erano aperte per più della metà proprio prima dell’infarto. Ecco perché “risultare nella norma” in un esame standard non è sufficiente.

Perché i test standard possono essere “cieci”

Per molto tempo, i medici hanno utilizzato “test di stress.” Forse ne hai già fatto uno. Cammini su un tapis roulant mentre una macchina monitora il tuo cuore. Se le arterie del cuore sono ostruite al 90%, il cuore non riceverà sangue a sufficienza mentre corri, e il test lo evidenzierà. Ma se hai quelle “placche di grasso” che occupano solo il 30% dell’arteria, il sangue continua a scorrere bene mentre corri. Il test da sforzo dirà che sei “normale”, anche se hai un pericolo nascosto pronto a manifestarsi.

Un altro test comune è un Punteggio di calcio. Questo esame rileva la presenza di calcio indurito nei vasi sanguigni del cuore. Il calcio è come una “cicatrice”. Indica che in passato si è verificato un danno che ora si è indurito come l’osso. Sebbene conoscere il proprio punteggio di calcio sia utile, è come osservare una cicatrice sul ginocchio risalente a dieci anni fa. Ti dice che ti sei fatto male, ma non ti dice se in questo momento hai una ferita fresca e sanguinante.

Nel cuore, “Grease” (placca non calcificata) rappresenta il nuovo pericolo. Una persona può avere un punteggio di calcio pari a zero e tuttavia avere il cuore pieno di grasso morbido e pericoloso. Ecco come il nuovo metodo basato sull’intelligenza artificiale si confronta con i metodi tradizionali:

Caratteristica del cuore Esami tradizionali (come il calcolo del rischio di calcificazione) Il nuovo approccio all'IA (AI-QCT)
Cicatrici dure (calcificate) È molto facile da vedere È molto facile da vedere
Vesciche morbide e “untuose” Non riesco proprio a vederlo Molto chiaro e facile da vedere
Grasso ad alto rischio Ignaro di questo pericolo Lo trova con estrema facilità
Importo totale di Placca È solo una stima approssimativa Misura precisa (mm³)
Previsione del rischio Ipotesi generale Estremamente accurato e personalizzato

AI-QCT: la nuova “super-visione” del tuo cuore”

Per risolvere il problema, gli scienziati hanno creato uno strumento chiamato AI-QCT. È un nome altisonante, ma pensatelo come una “lente d’ingrandimento digitale”.”

Quando un medico esamina una scansione cardiaca, osserva le immagini con i propri occhi. Anche i medici più esperti possono trascurare dettagli minuscoli. AI-QCT utilizza l’intelligenza artificiale per esaminare le immagini in modo molto più approfondito. L’intelligenza artificiale non si limita a osservare l’immagine nel suo complesso, ma analizza “voxel.” Un voxel è come un pixel 3D. Immagina un cubetto piccolissimo. L’intelligenza artificiale esamina ogni singolo cubetto presente nei vasi sanguigni del tuo cuore.

L’intelligenza artificiale utilizza il “deep learning”. Ciò significa che il computer ha analizzato migliaia e migliaia di altre scansioni cardiache. Ha imparato a individuare schemi che l’occhio umano semplicemente non è in grado di percepire. È in grado di distinguere tra il calcio duro “sicuro” e il grasso molle “pericoloso” osservando le ombre e i colori nei dati della scansione. Si tratta di una procedura non invasiva, il che significa che non è necessario inserire tubi o fili all’interno del corpo per ottenere questi risultati. L’IA “osserva” utilizzando i dati di una normale TAC.

Trasformare i dati in una tabella di marcia: il potere della misurazione

Il punto di forza principale dell’IA è la sua capacità di “quantificare” le cose. Ciò significa che ci fornisce un numero preciso. Anziché sentire un medico dire: “Hai un po” di placca“, l’IA può affermare: ”Hai esattamente 154 millimetri cubi (mm³) di placca”.”

Perché è importante? Perché non si può risolvere ciò che non si può misurare.

Quando un medico sa esattamente quanta “grasso” c’è nel tuo cuore, può elaborare un piano più efficace. Ciò è stato dimostrato da ampi studi medici:

  • Il Registro CONFIRM2: Questo studio ha preso in esame migliaia di persone. Ha dimostrato che, quando l'intelligenza artificiale misurava la placca, i medici riuscivano a prevedere l'esito futuro con maggiore precisione. La loro capacità di prevedere un problema cardiaco (misurata dall'AUC) è passata da 0,62 a un valore molto più alto, pari a 0,75.
  • Lo studio PROMISE: In questo studio, l’intelligenza artificiale ha analizzato le immagini diagnostiche e ha modificato i risultati. Per 41% dei casi di restringimento (stenosi), l’intelligenza artificiale li ha “riclassificati”. Ciò significa che l’intelligenza artificiale ha rilevato che il vecchio approccio era errato in 4 casi su 10.
  • Il Studio CREDENCE: Ciò ha dimostrato che l’intelligenza artificiale era altrettanto efficace quanto gli esami costosi e invasivi in cui i medici inseriscono dei cateteri nel cuore.
  • Il Studio CERTAIN: Da questo studio è emerso che l’uso dell’intelligenza artificiale ha reso i medici molto più “sicuri” su cosa fare. Li ha aiutati a prescrivere il farmaco giusto ed a evitare esami non necessari.

Questo porta a un approccio chiamato “treat-to-target”. È come un GPS per il cuore. Se hai 154 mm³ di placca, inizi un programma che prevede dieta, esercizio fisico e farmaci. Un anno dopo, si esegue un’altra scansione. Se l’intelligenza artificiale indica che ora si hanno 110 mm³, si capisce che il programma sta funzionando! Si può effettivamente vedere il “grasso” ridursi. Questo dà ai pazienti un enorme senso di sollievo e speranza.

Il livello successivo: la TC a conteggio dei fotoni

La tecnologia sta compiendo un altro passo da gigante grazie a una tecnica chiamata “TC a conteggio dei fotoni” (PCCT). In passato, i tomografi computerizzati assomigliavano ai vecchi televisori a tubo catodico. Le immagini erano un po“ sfocate. Uno dei problemi principali era il cosiddetto ”blooming da calcio“, simile a un ”abbagliamento” accecante provocato dal fascio di luce di una torcia. Se nell’immagine fosse presente un elemento calcareo duro, risulterebbe così luminoso da nascondere il grasso molle situato proprio accanto ad esso.

I nuovi contatori di fotoni trasformano direttamente la luce in elettricità. Questo rende l'immagine molto più nitida. È come passare da un vecchio televisore a uno schermo nuovo di zecca ad alta definizione.

Questo nuovo hardware risolve molti problemi:

  1. Niente più riflessi: Impedisce la formazione di “croste di calcio”. L’intelligenza artificiale è ora in grado di vedere oltre le “cicatrici” dure per individuare il grasso nascosto.
  2. Immagini più nitide: Elimina il “rumore” o la sfocatura dall’immagine.
  3. Meglio per più persone: In passato, se una persona aveva una velocità molto elevata frequenza cardiaca oppure erano troppo pesanti, le immagini erano troppo sfocate per poterle utilizzare. Queste nuove macchine riescono a vedere chiaramente attraverso quasi qualsiasi cosa.

Conclusione: un futuro in cui gli infarti sono facoltativi

Stiamo entrando in una nuova era. In passato, la cura del cuore era “episodica”. Ciò significa che ci si preoccupava del proprio cuore solo di tanto in tanto, oppure solo quando si avvertiva un dolore al petto. È come controllare il GPS solo dopo essersi già persi.

Ora stiamo passando al monitoraggio “longitudinale”. Ciò significa che seguiamo l’evoluzione della malattia nel tempo, un po’ come si osserva una mappa mentre si guida. Possiamo individuare i primissimi segni di ruggine nelle tubature anni prima che queste scoppino. Come mondo, ci troviamo di fronte a una grande sfida:

“Poiché le malattie cardiovascolari rimangono la principale causa di mortalità a livello mondiale, con un numero di decessi annui che, secondo le proiezioni, supererà i 20 milioni entro il 2030, è sempre più necessario disporre di metodi più efficaci per individuare l’aterosclerosi coronarica ad alto rischio prima che si verifichino eventi clinici”.”

Grazie all’intelligenza artificiale e ai nuovi scanner, molte di quelle morti potrebbero essere evitate. Non dobbiamo più chiederci se una persona sia in buona salute. Possiamo vedere la realtà. Possiamo vedere se la cura funziona. Possiamo vedere il futuro.

Se oggi potessi vedere il futuro del tuo cuore, cambieresti il modo in cui vivrai domani? Grazie all’intelligenza artificiale, abbiamo finalmente la possibilità di vedere quel futuro e di cambiarlo in meglio.

Avviso medico: Il presente articolo ha scopo puramente informativo e non costituisce un parere medico. Si raccomanda di consultare sempre il proprio medico per ricevere indicazioni personalizzate. “Curing Heart Disease, LLC” è una denominazione commerciale registrata e non implica la diagnosi, il trattamento, la cura o la prevenzione di alcuna malattia. Le informazioni fornite hanno scopo puramente informativo e non costituiscono un parere medico. L’utilizzo di tali informazioni è a proprio rischio e pericolo. Chiedete sempre il parere del vostro medico per qualsiasi domanda relativa a una condizione medica.

Approfondimento

Il Rinascimento tecnologico nella cardiologia preventiva – Intelligenza artificiale, tomografia coronarica quantitativa

Introduzione

La medicina cardiovascolare sta attraversando un profondo cambiamento di paradigma, passando da un modello prevalentemente reattivo e incentrato sui sintomi a un approccio preventivo basato sulla diagnosi precoce e sulla valutazione personalizzata del rischio. Al centro di questa transizione vi è l’integrazione dell’intelligenza artificiale (IA) con la medicina coronarica tomografia computerizzata angiografia (CCTA), in particolare grazie allo sviluppo di aterosclerosi diagnostica per immagini – tomografia computerizzata quantitativa (AI-QCT). Questo approccio affronta una limitazione di lunga data in cardiologia: l’incapacità degli strumenti diagnostici tradizionali di rilevare in modo affidabile le lesioni coronariche non ostruttive e ricche di lipidi placca, nonostante ciò lesioni essendo responsabile della maggior parte di sindromi coronariche acute e morte cardiaca improvvisa eventi (1).

La rilevanza clinica di questa limitazione è notevole. Gli studi epidemiologici e patologici dimostrano costantemente che la maggior parte dei infarti miocardici derivano da placche che, prima della rottura, non limitavano il flusso (2). Come malattia cardiovascolare rimane la principale causa di mortalità a livello mondiale, con un numero di decessi annui che, secondo le proiezioni, supererà i 20 milioni entro il 2030; è quindi sempre più necessario disporre di metodi più efficaci per identificare l’aterosclerosi coronarica ad alto rischio prima che si verifichino eventi clinici (3).

 

Evoluzione della stratificazione del rischio cardiaco e della biologia dell'aterosclerosi

La stratificazione tradizionale del rischio cardiovascolare si basa su marcatori indiretti quali i livelli sierici di lipidi, pressione sanguigna, controllo glicemico, fumo variabili relative allo stato e demografiche incluse nell'analisi basata sulla popolazione calcolatori di rischio. Sebbene questi modelli si siano dimostrati utili a livello di popolazione, spesso mancano di precisione quando vengono applicati ai singoli pazienti, in particolare a quelli con valori apparentemente “normali” fattore di rischio pazienti che tuttavia presentano una significativa malattia subclinica (4).

L'aterosclerosi è una malattia infiammatoria cronica della parete arteriosa, piuttosto che una patologia definita esclusivamente dall'ostruzione del lume. La placca si forma all'interno della intima ed è costituito da proporzioni variabili di lipidi, tessuto fibroso, cellule infiammatorie e calcio. Gli esami diagnostici convenzionali — tra cui il test da sforzo, l'elettrocardiografia e l'angiografia coronarica invasiva — rilevano la malattia principalmente quando questa si manifesta stenosi emodinamicamente significativa, generalmente definita come un restringimento del lume pari o superiore a 70% (5).

Intuizione 1: Studi autoptici e angiografici dimostrano che circa il 70–75% degli infarti miocardici si verifica in vasi con un calibro inferiore al 50% stenosi prima dell'evento indice, il che indica che la maggior parte dei pazienti che manifestano sindromi coronariche acute non sarebbe stata identificata come ad alto rischio solo sulla base dei test da sforzo standard (2).

Approfondimento 2: Coronarica arteria Il calcium scoring (CACS) è stato sviluppato per migliorare l'individuazione della malattia subclinica attraverso l'identificazione di placca calcifica. Tuttavia, il CACS non rileva placca non calcificata, e un punteggio di calcio Il valore pari a zero non esclude la presenza di lesioni ricche di lipidi e soggette a rottura (6).

Approfondimento 3: AI-QCT consente la quantificazione non invasiva del totale coronarico carico di placca, tra cui placca non calcificata a bassa densità, che, come è stato dimostrato, presenta un’associazione più forte con futuri eventi cardiovascolari rispetto alla sola gravità della stenosi (7).

Caratteristica della placca Visibilità (CACS) Visibilità (CCTA standard) Visibilità (AI-QCT) Profilo di rischio clinico
Placca calcifica Alto Alto Alto Generalmente stabile; indicatore di malattia cronica
Placca non calcifica Nessuna Qualitativo / limitato Quantitativo / alto Rischio di rottura elevato
Placca a bassa densità Nessuna Variabile Alto Forte associazione con l'ACS
Totale volume della placca Nessuna Stima indiretta Preciso (mm³) Forte predittore di eventi futuri

Architettura tecnica dell'analisi coronarica basata sull'intelligenza artificiale

Le piattaforme AI-QCT eseguono un'analisi a livello di voxel dell'albero coronarico anziché affidarsi alla sola interpretazione visiva. Questi sistemi impiegano architetture di deep learning, tra cui reti neurali convoluzionali (CNN), modelli di segmentazione U-Net tridimensionali e classificatori derivati da VGG, addestrati su ampi set di dati curati che collegano le caratteristiche di imaging con la validazione invasiva e gli esiti clinici a lungo termine (8).

Approfondimento 4: L'AI-QCT inizia con l'acquisizione di una CCTA ad alta risoluzione. I moderni sistemi TC multidetettore, compresi gli scanner a 64 e 640 sezioni, forniscono i dati temporali e risoluzione spaziale necessario per ridurre al minimo gli artefatti da movimento e consentire una segmentazione accurata dell'anatomia coronarica (5).

Approfondimento 5: Gli algoritmi automatizzati identificano le coronarie lumen e la parete vascolare, classificando i componenti della placca in base ai valori di attenuazione in unità Hounsfield, il che consente di distinguere il tessuto ricco di lipidi, quello fibroso e quello calcificato (9).

Intuizione 6: Derivato dall'intelligenza artificiale ischemia Gli indici integrano la morfologia della placca, la lunghezza della lesione, il rimodellamento vascolare e la geometria luminale per stimare la limitazione del flusso, fornendo un indicatore non invasivo correlato alla procedura invasiva riserva di flusso frazionale (FFR) (10).

Validazione Clinica e Prove Revisionate da Paritetici

AI-QCT è stata valutata in molteplici studi prospettici, registri e studi comparativi pubblicati su autorevoli riviste cardiovascolari e di imaging, tra cui Journal of the American College of Cardiology, Circulation: Cardiovascular Imaging, e European Heart Journal – Cardiovascular Imaging (11).

Studi storici e registri

Intuizione 7: Il Studio CREDENCE ha evidenziato una stretta corrispondenza tra l’analisi CCTA assistita dall’intelligenza artificiale e quella invasiva angiografia coronarica quantitativa e l’FFR, a conferma dell’accuratezza diagnostica dell’AI-QCT nell’identificazione di patologie emodinamicamente significative (12).

Intuizione 8: Il registro CONFIRM2, che ha coinvolto decine di migliaia di pazienti in diversi paesi, ha dimostrato che le caratteristiche della placca quantificate dall’intelligenza artificiale consentono di identificare un ampio gradiente di rischio cardiovascolare tra i pazienti con malattia non ostruttiva malattia coronarica (7).

Intuizione 9: Il Studio CERTAIN ha dimostrato che l’AI-QCT ha migliorato significativamente l’accuratezza diagnostica rispetto all’interpretazione standard, consentendo una terapia medica più adeguata e riducendo il numero di esami successivi non necessari (1).

Studio N Risultato chiave Valore p Implicazione clinica
CONFERMA2 6,550 L'AUC per i MACE è migliorata da 0,62 a 0,75 <0,001 Accuratezza prognostica migliorata
Credenza 513 Elevata concordanza con la FFR invasiva <0,01 Valutazione non invasiva praticabile dell'ischemia
PACIFIC-1 208 L'intelligenza artificiale ha superato i lettori esperti <0,05 Ridotta variabilità inter-osservatore
PROMISE (sottoinsieme) 4,347 Riconnessione delle stenosi 41% — Falsi positivi ridotti

Attuazione della Cardiologia Preventiva e Monitoraggio Longitudinale della Malattia

L'integrazione dell'AI-QCT nei flussi di lavoro della cardiologia preventiva sposta l'attenzione clinica dalla valutazione episodica al monitoraggio longitudinale della malattia aterosclerotica.

Approfondimento 10: La quantificazione del carico di placca totale consente una valutazione obiettiva della progressione o regressione della malattia nel tempo, facilitando un approccio treat-to-target guidato da imaging seriale (7).

Intuizione 11: Gli strumenti di confronto basati sull’intelligenza artificiale consentono di valutare i cambiamenti nella composizione della placca, compresa la stabilizzazione o la regressione di placca ricca di lipidi in risposta alla terapia farmacologica (13).

Progressi hardware: Tomografia computerizzata a conteggio di fotoni

Le prestazioni di AI-QCT dipendono dalla qualità dei dati di imaging in ingresso, che continua a migliorare con i progressi dell'hardware TC.

Intuizione 12: Tomografia computerizzata a conteggio dei fotoni (PCCT) questi sistemi convertono direttamente i fotoni dei raggi X in segnali elettrici, riducendo il rumore elettronico e artefatti da "blooming" del calcio rispetto ai rivelatori convenzionali a integrazione di energia (14).

Approfondimento 13: La PCCT offre una risoluzione spaziale superiore con una dose di radiazioni e di contrasto inferiore, ampliando così l'indicazione per la TC coronarica ai pazienti con alto frequenze cardiache, elevato indice di massa corporea, oppure una malattia coronarica estesa calcificazione (15).

Implicazioni economiche e per il sistema sanitario

L'adozione dell'imaging cardiaco basato sull'IA si allinea alle più ampie tendenze sanitarie verso l'assistenza basata sul valore e la prevenzione.

Intuizione 14: Le analisi di mercato prevedono una rapida crescita delle applicazioni dell'IA in cardiologia, guidata da una maggiore efficienza diagnostica e da potenziali riduzioni dei costi successivi associati agli eventi coronarici acuti (16).

Approfondimento 15: Identificazione precoce dei soggetti ad alto rischio fenotipi di placca potrebbe ridurre i tassi di infarto miocardico e le relative spese sanitarie, consentendo un intervento più tempestivo e mirato (17).

Conclusioni e sviluppi futuri

La cardiologia preventiva si sta orientando sempre più verso un modello basato sulla biologia, che enfatizza il carico e la composizione della placca piuttosto che la sola gravità della stenosi. L'AI-QCT fornisce un quadro quantitativo e riproducibile per la valutazione dell'aterosclerosi coronarica prima che si verifichino eventi clinici.

Intuizione 16: I futuri sviluppi includono probabilmente l'integrazione di sistemi di intelligenza artificiale di tipo agentico, modelli cardiaci digitali longitudinali e flussi di dati multimodali che incorporano informazioni genomiche e metaboliche (18).

Intuizione 17: Mentre l'IA assume un ruolo maggiore nell'interpretazione e nella quantificazione delle immagini, i clinici potrebbero concentrarsi sempre più sul processo decisionale clinico di livello superiore, sulla comunicazione del rischio e sull'ottimizzazione della terapia personalizzata (19).

Riferimenti

  1. Nurmohamed NS, Cole JH, Budoff MJ, et al. Impact of atherosclerosis imaging-quantitative computed tomography on diagnostic certainty, downstream testing, coronary revascularization, and medical therapy: the CERTAIN study. Eur Heart J Cardiovasc Imaging. 2024;25(6):857-866. doi:10.1093/ehjci/jeae029
  2. Falk E, Shah PK, Fuster V. Coronary plaque disruption. Circulation. 1995;92(3):657-671. doi:10.1161/01.cir.92.3.657
  3. Global Burden of Cardiovascular Diseases and Risks 2023 Collaborators. Global, Regional, and National Burden of Cardiovascular Diseases and Risk Factors in 204 Countries and Territories, 1990-2023. J Am Coll Cardiol. 2025;86(22):2167-2243. doi:10.1016/j.jacc.2025.08.015
  4. Lloyd-Jones DM. Cardiovascular risk prediction: basic concepts, current status, and future directions. Circulation. 2010;121(15):1768-1777. doi:10.1161/CIRCULATIONAHA.109.849166
  5. Douglas PS, Hoffmann U, Patel MR, et al. Outcomes of anatomical versus functional testing for coronary artery disease. N Engl J Med. 2015;372(14):1291-1300. doi:10.1056/NEJMoa1415516
  6. Greenland P, Blaha MJ, Budoff MJ, Erbel R, Watson KE. Coronary Calcium Score and Cardiovascular Risk. J Am Coll Cardiol. 2018;72(4):434-447. doi:10.1016/j.jacc.2018.05.027
  7. Feuchtner GM, Lacaita PG, Bax JJ, et al. AI-Quantitative CT Coronary Plaque Features Associate With a Higher Relative Risk in Women: CONFIRM2 Registry. Circ Cardiovasc Imaging. 2025;18(6):e018235. doi:10.1161/CIRCIMAGING.125.018235
  8. Oikonomou EK, Khera R. Machine learning in precision diabetes care and cardiovascular risk prediction. Cardiovasc Diabetol. 2023;22(1):259. Published 2023 Sep 25. doi:10.1186/s12933-023-01985-3
  9. Koo BK, Yang S, Jung JW, et al. Artificial Intelligence-Enabled Quantitative Coronary Plaque and Hemodynamic Analysis for Predicting Acute Coronary Syndrome. JACC Cardiovasc Imaging. 2024;17(9):1062-1076. doi:10.1016/j.jcmg.2024.03.015
  10. Nørgaard BL, Leipsic J, Gaur S, et al. Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease: the NXT trial (Analysis of Coronary Blood Flow Using CT Angiography: Next Steps). J Am Coll Cardiol. 2014;63(12):1145-1155. doi:10.1016/j.jacc.2013.11.043
  11. Beerkens FJ, Tang GHL, Kini AS, et al. Transcatheter Aortic Valve Replacement Beyond Severe Aortic Stenosis: JACC State-of-the-Art Review. J Am Coll Cardiol. 2025;85(9):944-964. doi:10.1016/j.jacc.2024.11.051
  12. Griffin WF, Choi AD, Riess JS, et al. AI Evaluation of Stenosis on Coronary CTA, Comparison With Quantitative Coronary Angiography and Fractional Flow Reserve: A CREDENCE Trial Substudy. JACC Cardiovasc Imaging. 2023;16(2):193-205. doi:10.1016/j.jcmg.2021.10.020
  13. Zaman S, Wasfy JH, Kapil V, et al. The Lancet Commission on rethinking coronary artery disease: moving from ischaemia to atheroma. Lancet. 2025;405(10486):1264-1312. doi:10.1016/S0140-6736(25)00055-8
  14. Willemink MJ, Persson M, Pourmorteza A, Pelc NJ, Fleischmann D. Photon-counting CT: Technical Principles and Clinical Prospects. Radiology. 2018;289(2):293-312. doi:10.1148/radiol.2018172656
  15. Schiebler ML, Jinzaki M, Yanagawa M, et al. Future Applications of Cardiothoracic CT. Radiology. 2025;315(3):e240085. doi:10.1148/radiol.240085
  16. Windecker S, Gilard M, Achenbach S, et al. Device innovation in cardiovascular medicine: a report from the European Society of Cardiology Cardiovascular Round Table. Eur Heart J. 2024;45(13):1104-1115. doi:10.1093/eurheartj/ehae069
  17. Undas A, Musiał J, Ząbczyk M. Antiphospholipid antibodies and atherosclerotic vascular disease: recent advances. Rheumatol Int. 2025;45(12):279. Published 2025 Nov 29. doi:10.1007/s00296-025-06050-8
  18. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. doi:10.1038/s41591-018-0300-7
  19. Shetty NS, Gaonkar M, Pampana A, et al. Association of Pathogenic/Likely Pathogenic Inherited Cardiomyopathy Variants With Heart Failure: A TOPMed Multiancestry Analysis. Mayo Clin Proc. 2025;100(11):1948-1955. doi:10.1016/j.mayocp.2025.01.021

Nota di trasparenza: Questo articolo è stato redatto con l'ausilio di strumenti di intelligenza artificiale. Il contenuto finale è stato attentamente rivisto e modificato dall'autore, che ne garantisce l'accuratezza. Questo sito è sostenuto da un Comitato consultivo di ricercatori. Tutti i contenuti sono forniti esclusivamente a scopo didattico e non costituiscono un parere medico.

Ricevi una notifica quando vengono pubblicati nuovi articoli!

App di IA

Calcolatore del rischio cardiaco

Calcolatore educativo del rischio cardiaco basato sulla storia familiare con approfondimenti sul punteggio H, immissione visiva dell'albero genealogico e rapporti PDF condivisibili.

Leggi qui perché questa app è così importante.