Ricerca medica avanzata a Bergamo
Bergamo, 24 marzo 2026 – L'Intelligenza Artificiale (IA) e i Big Data si confermano strumenti preziosi nel campo della medicina, offrendo nuove prospettive per la cura e il monitoraggio dei pazienti. Un recente studio condotto dall'Ospedale Papa Giovanni XXIII in collaborazione con la Fondazione per la Ricerca (From) di Bergamo ha messo in luce il potenziale di queste tecnologie nel personalizzare i trattamenti e ottimizzare il percorso di recupero, con un focus particolare sullo scompenso cardiaco.
La ricerca, che ha visto la partecipazione di esperti cardiologi e ricercatori, mira a migliorare la gestione di una patologia che incide significativamente sulla qualità della vita dei pazienti. L'obiettivo è rendere le cure più mirate ed efficaci.
Il registro "Opportunities" e l'analisi dei dati
Il progetto ha preso le mosse dal registro «Opportunities», avviato dalla From nel 2017. Questo registro raccoglie in modo sistematico informazioni su oltre 2.400 pazienti affetti da scompenso cardiaco, seguiti ambulatorialmente presso la Cardiologia del Papa Giovanni. Il database include dettagli sulla valutazione clinica e sulla gestione della malattia, sia nelle fasi acute che croniche.
Da questo ricco patrimonio di dati è scaturito uno studio innovativo, coordinato da Mauro Gori, responsabile dell'Unità di Terapia Intensiva Coronarica, e guidato dai cardiologi Marco Spagnolin e Luca Fazzini. La Fondazione From ha supportato l'iniziativa attraverso il contributo della biostatistica Cinzia Giaccherini e della data manager Erika Chiesa, sotto il coordinamento di Antonello Gavazzi.
IA per la stratificazione del rischio
I risultati dello studio, destinati alla pubblicazione sull'«European Journal of Heart Failure», sono stati ottenuti analizzando le condizioni di 471 pazienti ricoverati per scompenso cardiaco acuto con frazione di eiezione preservata (HFpEF). Grazie all'applicazione di tecniche avanzate di Intelligenza Artificiale, è stato possibile identificare tre distinti profili clinici. Ciascun profilo è stato associato a un rischio crescente di riammissione ospedaliera entro i 12 mesi successivi alla dimissione.
Lo scompenso cardiaco HFpEF, che rappresenta circa la metà dei casi totali, è una condizione complessa e spesso eterogenea. «Ogni situazione è differente», ha sottolineato Mauro Gori. «La nostra intenzione era stratificare il rischio dei pazienti ricoverati per capire chi necessitasse di un monitoraggio più intensivo e chi invece potesse essere seguito con intervalli più lunghi».
Ottimizzazione del follow-up e prospettive future
La tecnologia ha permesso di automatizzare e velocizzare il processo di identificazione dei pazienti a rischio. Analizzando dati clinici, esami di laboratorio, anamnesi e comorbilità, i ricercatori hanno individuato sottogruppi di pazienti con differenti probabilità di eventi avversi. Alcuni pazienti, pur presentando condizioni iniziali stabili, mostravano un basso tasso di eventi, specialmente se con funzione renale preservata.
La metodologia impiegata in questa ricerca, basata sull'ampiezza dei dati e sulla capacità di rielaborazione tramite IA, è replicabile in altri ambiti clinici. «Questa ricerca pone le basi per affinare ulteriormente la stratificazione del rischio», ha confermato Gori. Si guarda già al futuro, con l'obiettivo di identificare con maggiore precisione i pazienti che potrebbero non necessitare di ricovero, ottimizzando così la gestione dei flussi nei pronto soccorso.