Fondazione Silvers

Descrizione del progetto: Contesto La Sindrome di Brugada (BrS) è una canalopatia cardiaca ereditaria associata a un aumentato rischio di tachiaritmie ventricolari maligne e morte cardiaca improvvisa in soggetti con cuore strutturalmente normale 1 . La prevalenza stimata nella popolazione generale varia tra 3 e 20 casi ogni 10.000 individui e la malattia è causata da alterazioni dei canali ionici cardiaci, più frequentemente associate a varianti patogenetiche del gene SCN5A, codificante per il canale del sodio Nav1.5. L'espressione clinica della BrS è estremamente eterogenea e può variare dall'assenza completa di sintomi fino alla comparsa di sincope, tachicardia ventricolare polimorfa, fibrillazione ventricolare (FV) e morte cardiaca improvvisa, che in alcuni casi rappresenta la prima manifestazione della malattia. Sebbene la terapia farmacologica e le procedure di ablazione epicardica consentano di controllare in maniera relativamente efficace i sintomi e ridurre il burden aritmico, nei pazienti considerati ad alto rischio il defibrillatore cardioverter impiantabile (ICD) rappresenta tuttora l'unica strategia realmente efficace per la prevenzione della morte cardiaca improvvisa 1–3 . L'impiego dell'ICD è tuttavia gravato da complicanze non trascurabili, particolarmente rilevanti nei pazienti giovani, tra cui shock inappropriati, infezioni, malfunzionamento degli elettrocateteri e necessità di sostituzioni multiple nel corso della vita. Una corretta stratificazione del rischio rappresenta pertanto un elemento cruciale per identificare i soggetti che possono beneficiare maggiormente dell'impianto del dispositivo. Negli ultimi anni sono stati proposti numerosi marcatori clinici ed elettrocardiografici associati al rischio aritmico nella BrS 1,4,5 . Tuttavia, i modelli di stratificazione attualmente disponibili presentano una capacità predittiva limitata e un valore predittivo positivo relativamente scarso. Di conseguenza, alcuni pazienti classificati come a basso rischio possono comunque sviluppare fibrillazione ventricolare o andare incontro a morte cardiaca improvvisa, mentre altri possono essere sottoposti a procedure invasive non necessarie. - 2 - Questa limitata accuratezza prognostica rappresenta uno dei principali problemi irrisolti nella gestione clinica della BrS e sottolinea la necessità di identificare nuovi marcatori in grado di migliorare la stratificazione del rischio aritmico dei pazienti. Ciò consentirebbe di ottimizzare la selezione dei candidati a interventi invasivi, limitando al contempo la possibilità di ricorrere a procedure superflue nei pazienti a basso rischio Coordinatore Scientifico Prof. Carlo Napolitano Dott. Luca Grisorio Obiettivi L'obiettivo del presente progetto è identificare caratteristiche elettrocardiografiche associate a un aumentato rischio di aritmie ventricolari maligne e morte cardiaca improvvisa nei pazienti affetti da BrS. Per tale scopo saranno applicati modelli di machine learning 6,7 per l’analisi avanzata di registrazioni ECG Holter a 12 derivazioni, con il fine di migliorare la capacità di identificare i pazienti realmente suscettibili a eventi aritmici maggiori. Risultati attesi dalla ricerca, il loro interesse per l'avanzamento della conoscenza e le eventuali potenzialità applicative Il progetto è finalizzato allo sviluppo e alla validazione di un modello di machine learning per la stratificazione prognostica dei pazienti affetti da BrS, con il potenziale di generare ricadute cliniche, scientifiche e metodologiche di rilievo. Nello specifico, ci si attende di: Migliorare l'accuratezza della stratificazione del rischio aritmico rispetto agli strumenti attualmente disponibili, consentendo una più precisa identificazione dei pazienti suscettibili a sviluppare aritmie ventricolari maligne e morte cardiaca improvvisa. Ciò potrebbe favorire decisioni terapeutiche maggiormente personalizzate, contribuendo a ridurre sia il rischio di sottotrattamento dei pazienti ad alto rischio sia quello di procedure non necessarie nei soggetti a basso rischio. Realizzare un database strutturato e accuratamente annotato, contenente dati clinici e registrazioni Holter a 12 derivazioni provenienti da una delle più ampie coorti di pazienti con BrS disponibili a livello internazionale. Tale database rappresenterà una risorsa di elevato valore per futuri studi finalizzati a caratterizzare meglio la storia naturale della malattia, i determinanti del rischio aritmico e i fattori associati alla prognosi a lungo termine. Sviluppare e validare un workflow completo per l'analisi automatizzata di registrazioni ECG Holter mediante tecniche di intelligenza artificiale. Questo approccio potrà costituire un modello metodologico trasferibile ad altre patologie aritmiche ereditarie e acquisite, favorendo lo sviluppo di strumenti diagnostici e prognostici innovativi applicabili nel contesto della medicina di precisione. Durata prevista: due anni.