Vuoi collaborare con noi?
Con un impegno crescente:
Autore/Autori: Carmine Pizzi
Relazioni storiche – Congresso 2026
Carmine Pizzi, dell’Alma Mater Studiorum – Università di Bologna, illustra dal punto di vista del cardiologo clinico il contributo dell’intelligenza artificiale alla TC cardiaca e coronarica. Ripercorre l’analisi automatica della placca ad alto rischio, il valore prognostico del burden aterosclerotico, l’FFR derivata dalla TC, la perfusione con TC photon counting e il Fat Attenuation Index. Sottolinea che l’ipotesi clinica deve restare al centro e che l’esame deve diventare accessibile su tutto il territorio. Conclude con il caso di un paziente con dolore toracico e coronarie quasi indenni, in cui coronaro-TC, perfusione e risonanza hanno portato alla diagnosi di MINOCA di tipo 1.
La relazione affronta l’intelligenza artificiale applicata alla TC cardiaca e coronarica dal punto di vista del cardiologo clinico. Il presupposto è che l’intelligenza artificiale non sostituirà mai il cardiologo, ma deve aiutarlo in tre punti essenziali: una diagnosi più precisa e appropriata, una terapia più mirata e l’identificazione del paziente ad alto rischio per modificarne la prognosi. Al centro del ciclo resta sempre l’ipotesi clinica formulata dal medico insieme al paziente, alimentata dai grandi dataset clinici, laboratoristici e di imaging e dai modelli computazionali.
Le stenosi severe si associano soprattutto a sindromi coronariche croniche, mentre stenosi meno severe possono causare sindromi coronariche acute: l’attenzione si sposta quindi dalla gravità della stenosi alla morfologia della placca e alla placca ad alto rischio. Il burden aterosclerotico, pur essendo una fotografia istantanea, predice mortalità per tutte le cause e infarto miocardico a circa 8 anni, a differenza della sola stenosi. Non tutte le stenosi sono emodinamicamente equivalenti, e l’aterosclerosi è un processo infiammatorio cronico: l’infiammazione della placca si riflette sul tessuto adiposo perivascolare, misurabile con il Fat Attenuation Index (FAI) e correlato alla prognosi.
In uno studio su circa 1600 pazienti l’analisi automatica di stenosi e caratteristiche di placca è risultata sovrapponibile a quella degli esperti, in tempi molto più brevi. L’FFR derivata dalla TC aumenta sensibilità e specificità della coronaro-TC; nel sottostudio PACIFIC la sua AUC è 0,94, rispetto a 0,87 della PET, 0,83 della sola coronaro-TC e 0,70 della scintigrafia miocardica. L’aggiunta della valutazione funzionale riduce eventi e coronarografie non necessarie. La TC photon counting consente anche la perfusione miocardica, con accuratezza paragonabile all’FFR-CT, mentre score integrati che combinano dati miocardici, coronarici e clinici superano i soli score clinici e il CAD-RADS.
L’imaging con intelligenza artificiale permette di documentare la stabilizzazione della placca ad alto rischio sotto terapia con statine e di pianificare la rivascolarizzazione, percutanea o chirurgica: la valutazione preliminare di una stenosi del tronco comune guida la scelta dello stent più appropriato. Un caso clinico, un paziente di 52 anni con dolore toracico, troponina elevata, ecocardiogramma normale e stenosi lieve dell’interventricolare anteriore alla coronarografia, mostra come coronaro-TC, perfusione e risonanza abbiano identificato una placca ad alto rischio con edema e LGE nel territorio corrispondente.
Nel caso presentato l’integrazione delle tecniche supportate dall’intelligenza artificiale ha permesso, in cinque giorni, di passare da una diagnosi incerta a quella di MINOCA di tipo 1 con placca aterotrombotica, avviando la terapia dell’infarto miocardico acuto di tipo 1. Il futuro è già presente: la TC coronarica con intelligenza artificiale è una rivoluzione già entrata nella pratica clinica, ma deve diventare accessibile ovunque, restando sempre al servizio della diagnosi e della decisione del cardiologo clinico.
The talk addresses artificial intelligence applied to cardiac and coronary CT from the clinical cardiologist’s point of view. The premise is that artificial intelligence will never replace the cardiologist, but must help in three essential areas: a more precise and appropriate diagnosis, a more targeted therapy and the identification of high-risk patients in order to modify their prognosis. The clinical hypothesis formulated by the physician together with the patient always remains at the centre of the cycle, fed by large clinical, laboratory and imaging datasets and by computational models.
Severe stenoses are mainly associated with chronic coronary syndromes, whereas less severe stenoses can cause acute coronary syndromes: attention therefore shifts from stenosis severity to plaque morphology and the high-risk plaque. Atherosclerotic burden, although an instantaneous snapshot, predicts all-cause mortality and myocardial infarction at about 8 years, unlike stenosis alone. Not all stenoses are haemodynamically equivalent, and atherosclerosis is a chronic inflammatory process: plaque inflammation is reflected in the perivascular adipose tissue, measurable with the Fat Attenuation Index (FAI) and correlated with prognosis.
In a study of about 1,600 patients, automated analysis of stenosis and plaque features was comparable to expert reading, in far less time. CT-derived FFR increases the sensitivity and specificity of coronary CT; in the PACIFIC substudy its AUC was 0.94, compared with 0.87 for PET, 0.83 for coronary CT alone and 0.70 for myocardial scintigraphy. Adding functional assessment reduces events and unnecessary coronary angiography. Photon-counting CT also enables myocardial perfusion imaging, with accuracy comparable to FFR-CT, while integrated scores combining myocardial, coronary and clinical data outperform clinical scores alone and CAD-RADS.
AI-assisted imaging can document the stabilisation of high-risk plaque under statin therapy and help plan revascularisation, whether percutaneous or surgical: preliminary assessment of a left main stenosis guides the choice of the most appropriate stent. A clinical case, a 52-year-old patient with chest pain, raised troponin, normal echocardiogram and mild left anterior descending stenosis at angiography, shows how coronary CT, perfusion and MRI identified a high-risk plaque with oedema and LGE in the corresponding territory.
In the case presented, integrating AI-supported techniques made it possible, within five days, to move from an uncertain diagnosis to type 1 MINOCA with an atherothrombotic plaque, and to start therapy for type 1 acute myocardial infarction. The future is already here: coronary CT with artificial intelligence is a revolution that has already entered clinical practice, but it must become accessible everywhere, always remaining at the service of the clinical cardiologist’s diagnosis and decision-making.
Moderatore: Passiamo all’ultima relazione. Il professor Pizzi, dall’Alma Mater di Bologna, eccolo, non l’avevo visto, ci parlerà invece dell’applicazione nel contesto della TAC.
Carmine Pizzi: Buongiorno a tutti, grazie per la presentazione. Ringrazio il direttore e il comitato scientifico di questo congresso per l’invito: è veramente un piacere essere qua con voi. La mia relazione è l’intelligenza artificiale nella TAC coronarica vista da un clinico, perché io sono un clinico. E quindi mi riallaccio all’ultima frase di Alberto: l’intelligenza artificiale non sostituirà mai un cardiologo, soprattutto un cardiologo clinico o un cardiologo che usa la propria intelligenza nel valutare il paziente.
Non vi annoierò, spero, con una mera revisione della letteratura sull’intelligenza artificiale applicata alla TAC cardiaca e coronarica, ma credo fermamente che l’intelligenza artificiale debba aiutare il cardiologo in tre punti essenziali: nella diagnosi, una diagnosi più precisa e più appropriata, per eseguire una terapia più precisa per il paziente, al fine di caratterizzare il paziente ad alto rischio e modificarne la prognosi, che il cardiologo deve assolutamente valutare.
Quindi l’intelligenza artificiale, vediamo, non può che partire dall’ipotesi clinica. Vedete qui che al centro non c’è l’intelligenza artificiale, ma l’ipotesi clinica: il paziente e, insieme al paziente, il medico, il medico che fa la sua ipotesi. In base ai dataset di dati clinici, laboratoristici o di imaging, grazie ai modelli computazionali, abbiamo l’intelligenza artificiale che ci dà la propria risposta sugli outcome e sulla stratificazione del rischio, per aiutare il medico nella decisione sulla diagnosi, per migliorare il follow-up e per migliorare la nostra terapia.
Vedete quindi che è un circolo vizioso, un circolo che si autoalimenta: dal paziente al medico, all’intelligenza artificiale, per andare sui grandi dataset e quindi ritornare sempre su questo ciclo.
Anche per quanto riguarda l’applicazione dell’intelligenza artificiale, come hanno detto i due relatori, nell’uso della TAC cardiaca e coronarica l’intelligenza artificiale ci serve non solo per eseguire l’esame, non solo per la valutazione dell’immagine, ma anche per valutare e approfondire le varie caratteristiche delle immagini che abbiamo acquisito. Soprattutto, un grosso capitolo dell’intelligenza artificiale nella TAC coronarica è la valutazione della coronaropatia. L’abbiamo visto nella prima sessione: dobbiamo spostare il nostro credo rispetto alla stenosi, alla gravità della stenosi, perché, come sappiamo da molti anni, le stenosi severe danno soprattutto sindromi coronariche croniche, mentre le stenosi meno severe possono dare sindromi coronariche acute. Quindi ci spostiamo dalla severità della placca alla morfologia, alla valutazione morfologica della placca.
Questo è uno studio di intelligenza artificiale su circa 1600 pazienti, in cui sono state valutate sia la stenosi sia la qualità della placca, le caratteristiche della placca, perché, come sappiamo, le placche non sono tutte uguali. Gli emodinamisti ci hanno insegnato a familiarizzare con il concetto di placca vulnerabile; per quanto riguarda la TAC abbiamo la placca ad alto rischio. Vedete, il confronto era tra intelligenza artificiale ed esperti, e i risultati sono simili, sovrapponibili. È ovvio che l’intelligenza artificiale impiega molto meno tempo rispetto all’esperto. Quindi l’intelligenza artificiale ci aiuta a valutare la placca ad alto rischio, e nei pannelli sopra vedete una placca assolutamente a basso rischio, delle sindromi coronariche croniche.
Ma non solo: l’intelligenza artificiale, tramite l’acquisizione delle immagini, ci porta anche a valutare la terapia, come vi ho già detto all’inizio. Infatti vedete in questo studio come la terapia con statine modifichi la mia placca: una placca ad alto rischio diventa una placca più stabile, e quindi sicuramente riduco il rischio di eventi cardiovascolari del mio paziente e ne miglioro la performance.
Un altro concetto degli ultimi anni è che non conta solo la qualità della placca, non conta solo la stenosi, ma il burden aterosclerotico. Il burden aterosclerotico è sicuramente possibile valutarlo con la coronarografia, ma in modo molto grossolano; con la coronaro-TC invece possiamo valutare i vari livelli di burden aterosclerotico. Vedete che questo paziente ha coronarie assolutamente non aterosclerotiche, mentre quest’altra immagine, lo vedete a colpo d’occhio, è sicuramente meno rassicurante. Spero di non essere in questo pannello, sicuramente non sono in questo, spero di essere fra questi due.
E perché è così importante il concetto di burden aterosclerotico e non quello di stenosi? Perché la stenosi è una fotografia istantanea che non mi dà una prognosi a lungo termine, mentre il burden aterosclerotico, pur essendo anch’esso una fotografia istantanea, mi dà una prognosi a lungo termine, di circa 8 anni in questo studio, sia per la mortalità per tutte le cause sia per l’infarto miocardico acuto. Quindi vedete benissimo come l’intelligenza artificiale applicata a un imaging non […] ci dia varie nozioni: la percentuale di stenosi, la qualità della stenosi, il burden aterosclerotico.
Ma non ci dà solo questo, ci dà anche qualcosa di più: la funzione della nostra stenosi. Per noi è molto importante, perché non tutte le stenosi sono state create uguali: non tutte le stenosi severe sono funzionalmente, emodinamicamente rilevanti, mentre possono esserci stenosi subcritiche emodinamicamente rilevanti. E quindi con la coronaro-TC, e il professor Pontone è stato uno degli artefici di questa tecnica, con le leggi della fluidodinamica si può ricavare l’FFR, quella che l’emodinamista ci dà in maniera invasiva.
Perché è importante? Perché vedete che aggiungere l’FFR alla semplice coronaro-TC porta la sensibilità e la specificità a valori più elevati. In tutti e tre gli studi vedete che avere l’FFR non invasiva caratterizza meglio il mio paziente e quindi orienta l’atteggiamento che il cardiologo clinico deve avere verso un approccio più mirato. In questo sottostudio del PACIFIC vediamo che l’AUC dell’FFR, la fractional flow reserve non invasiva, è 0,94 e, se la confrontiamo con le altre tecniche di imaging, è sicuramente maggiore: la PET ha 0,87, la sola coronaro-TC 0,83 e la scintigrafia miocardica 0,70.
Come possiamo tradurre questi bei dati sul nostro paziente, sull’outcome? Vedete che avere non solo la valutazione della placca stessa o del burden di placca, ma anche della funzione, porta a un miglioramento per quanto riguarda la riduzione di tutti gli eventi, in questo studio di cardiologi inglesi pubblicato recentemente su Nature Medicine. Ma a che cosa porta anche? A un miglioramento del workup diagnostico che devo eseguire nel mio paziente. Infatti vedete che associare la coronaro-TC alla valutazione della funzione della placca mi porta a una riduzione degli esami di coronarografia.
Ma non è solo questo. So benissimo che avete già visto queste diapositive: la coronaro-TC, soprattutto con le nuove TAC photon counting, ci porta alla valutazione anche della perfusione del miocardio. Vedete qua come una stenosi dell’interventricolare anteriore porti a una riduzione di flusso e a ischemia nel territorio a valle della stenosi stessa. Questo comporta un aumento dell’AUC rispetto alla semplice TAC e valori di AUC sovrapponibili a quelli dell’FFR valutata con la TAC.
Che cosa abbiamo visto, quindi, dell’aiuto dell’intelligenza artificiale in questa metodica? La valutazione della stenosi, il burden di stenosi, la funzione della stenosi. Però sappiamo benissimo che l’aterosclerosi è un processo infiammatorio cronico, come ci disse nel 1999 Ross nella sua review. La TAC con l’intelligenza artificiale sicuramente ci può aiutare, perché possiamo vedere il FAI, il Fat Attenuation Index: se la placca è infiammata si ha una rarefazione del tessuto adiposo perivascolare, e questo è stato correlato alla prognosi. Quindi con l’intelligenza artificiale possiamo valutare la placca sia in maniera molto statica, sia in maniera dinamica, ma anche la biologia della placca stessa.
Vado avanti. Ci sono vari score: siamo ormai abituati a valutare il nostro paziente con gli score clinici, e sicuramente l’intelligenza artificiale ci può aiutare nel segmentare le varie immagini che abbiamo della TAC, sia a livello cardiaco, del miocardio, sia a livello coronarico, insieme ad altri score clinici. Vedete che l’addizione di tutti questi score porta a una sensibilità e una specificità maggiori rispetto ai soli score clinici o a score statici come il CAD-RADS.
So benissimo che il professor Pontone vi ha già parlato di queste indicazioni. L’indicazione futura è l’utilizzo della TAC prima di eseguire una procedura di rivascolarizzazione, sia essa una procedura emodinamica sia cardiochirurgica. Infatti in questo studio si è visto come valutare già prima della coronarografia la stenosi del tronco comune ci porti a scegliere lo stent più appropriato per risolvere il problema.
Quindi qual è il futuro? Il futuro non è fra dieci anni, il futuro è adesso. La TAC sicuramente non è più un’evoluzione, è una rivoluzione. L’intelligenza artificiale è nata ed è già nella nostra pratica clinica. L’unico problema che abbiamo qual è? Che questo esame deve essere assolutamente fruibile da Domodossola a Canicattì. Purtroppo, con la richiesta che abbiamo, questo esame e la caratterizzazione dei vari punti dell’intelligenza artificiale in questo esame sicuramente non sono fruibili nelle nostre città.
Vi ho parlato di studi, però siamo cardiologi, cardiologi clinici, cardiologi che operano sul paziente. Vediamo concretamente se questa immagine, questa intelligenza artificiale ci darà veramente una mano nella nostra pratica clinica, nella pratica clinica di tutti i giorni, dove abbiamo 20 minuti per ogni visita in ambulatorio e 20 pazienti per ogni ala di reparto che seguiamo.
È un paziente di 52 anni, fumatore, iperteso, che non aveva avuto nulla nella sua storia clinica precedente. È entrato in pronto soccorso per un dolore toracico, un dolore retrosternale; l’ECG non mostrava alcuna alterazione, quindi in pronto soccorso hanno eseguito il dosaggio della troponina. Vedete che il dosaggio della troponina indicava un danno miocardico acuto, e il paziente è arrivato in semi-intensiva presso il nostro reparto. Vedete che l’ecocardiogramma non mostra assolutamente alterazioni della cinetica, così come la coronarografia eseguita dopo qualche ora non evidenzia nulla se non una stenosi molto lieve dell’interventricolare anteriore, nel tratto medio.
A questo punto che cosa mi aspettavo? Che il mio emodinamista caratterizzasse quella placca. Non l’ha fatto, perché secondo lui non era necessario. Però io il paziente lo devo dimettere: io devo fare diagnosi, io devo fare terapia, io devo firmare la lettera di dimissione.
Per me avere un danno miocardico non vuol dire nulla, avere una stenosi del 20% non vuol dire nulla: per me conta la diagnosi, perché la diagnosi mi dà la terapia. Questa poteva essere una cardiomiopatia […] oppure una sindrome coronarica acuta. Allora che cosa ci siamo inventati? Abbiamo deciso di fare la coronaro-TC. Ecco dove l’intelligenza artificiale ci è stata di utilità: questa placca, che per l’emodinamista non era nulla, era una placca ad alto rischio. Sicuramente sarebbe stato più bello vedere all’OCT l’immagine di una placca erosa, fissurata o rotta con la trombosi, però mi sono accontentato di questo; anzi, non mi sono accontentato, perché abbiamo fatto anche la perfusione, e vedete che c’è una lesione a livello del setto medio, nel territorio di perfusione di quell’interventricolare anteriore con la placca.
E non solo: abbiamo fatto anche la risonanza dopo qualche giorno, questo è il workup diagnostico di 5 giorni di questo paziente, e vedete che alla risonanza sia l’edema sia l’LGE erano sovrapponibili alle caratteristiche che mi aveva dato la TAC di perfusione. Quindi che cosa abbiamo fatto? Da questo imbarazzo in cui ci aveva messo l’emodinamista, e chiedo scusa a tutti gli emodinamisti, perché non mi aveva dato la diagnosi, siamo arrivati a una diagnosi grazie alle varie tecniche in cui l’intelligenza artificiale ci ha aiutato. Questo paziente non aveva una cardiomiopatia […]: è un MINOCA, non un MINOCA di tipo 2 da vasospasmo e via dicendo, ma un MINOCA di tipo 1 con una placca aterotrombotica. Quindi questo paziente è stato avviato a una terapia come deve essere quella dell’infarto miocardico acuto di tipo 1. Grazie per la vostra attenzione.
Moderator: Let us move on to the last talk. Professor Pizzi, from the Alma Mater in Bologna, there he is, I had not seen him, will talk to us about the application in the context of CT.
Carmine Pizzi: Good morning everyone, and thank you for the introduction. I thank the director and the scientific committee of this congress for the invitation: it is truly a pleasure to be here with you. My talk is about artificial intelligence in coronary CT as seen by a clinician, because I am a clinician. And so I will pick up on Alberto’s last sentence: artificial intelligence will never replace a cardiologist, especially a clinical cardiologist or a cardiologist who uses his own intelligence in assessing the patient.
I will not bore you, I hope, with a mere review of the literature on artificial intelligence applied to cardiac and coronary CT, but I firmly believe that artificial intelligence must help the cardiologist in three essential points: in diagnosis, a more precise and more appropriate diagnosis, in order to deliver a more precise therapy to the patient, so as to characterise the high-risk patient and modify his prognosis, which the cardiologist must absolutely assess.
So artificial intelligence, as we see, can only start from the clinical hypothesis. You can see here that at the centre there is not artificial intelligence, but the clinical hypothesis: the patient and, together with the patient, the physician, the physician who formulates his hypothesis. Based on datasets of clinical, laboratory or imaging data, thanks to computational models, we have artificial intelligence that gives us its own answer on outcomes and on risk stratification, to help the physician in the diagnostic decision, to improve follow-up and to improve our therapy.
So you can see that it is a vicious circle, a self-sustaining circle: from the patient to the physician, to artificial intelligence, to go to the large datasets and then always come back into this cycle.
As regards the application of artificial intelligence, as the two previous speakers said, in the use of cardiac and coronary CT artificial intelligence serves us not only to perform the examination, not only to assess the image, but also to evaluate and explore in depth the various characteristics of the images we have acquired. Above all, a major chapter of artificial intelligence in coronary CT is the assessment of coronary artery disease. We saw it in the first session: we must shift our belief with respect to stenosis, to stenosis severity, because, as we have known for many years, severe stenoses mainly cause chronic coronary syndromes, whereas less severe stenoses can cause acute coronary syndromes. So we move from plaque severity to morphology, to the morphological assessment of the plaque.
This is an artificial intelligence study of about 1,600 patients, in which both the stenosis and plaque quality, the plaque characteristics, were assessed, because, as we know, plaques are not all the same. Interventional cardiologists have taught us to become familiar with the concept of vulnerable plaque; for CT we have the high-risk plaque. You see, the comparison was between artificial intelligence and experts, and the results are similar, superimposable. Obviously artificial intelligence takes much less time than the expert. So artificial intelligence helps us assess the high-risk plaque, and in the upper panels you see an absolutely low-risk plaque, typical of chronic coronary syndromes.
But not only that: through image acquisition, artificial intelligence also leads us to evaluate therapy, as I told you at the beginning. Indeed, you see in this study how statin therapy modifies my plaque: a high-risk plaque becomes a more stable plaque, and so I certainly reduce my patient’s risk of cardiovascular events and improve his performance.
Another concept of recent years is that it is not only plaque quality that matters, not only the stenosis, but the atherosclerotic burden. Atherosclerotic burden can certainly be assessed with coronary angiography, but only very roughly; with coronary CT, on the other hand, we can assess the various levels of atherosclerotic burden. You see that this patient has absolutely non-atherosclerotic coronary arteries, whereas this other image, as you can see at a glance, is certainly less reassuring. I hope I am not in this panel, I am certainly not in this one, I hope I am somewhere between these two.
And why is the concept of atherosclerotic burden, rather than stenosis, so important? Because the stenosis is an instantaneous snapshot that does not give me a long-term prognosis, whereas atherosclerotic burden, although it is also an instantaneous snapshot, gives me a long-term prognosis, of about 8 years in this study, both for all-cause mortality and for acute myocardial infarction. So you can clearly see how artificial intelligence applied to non-[…] imaging gives us various pieces of information: percent stenosis, stenosis quality, atherosclerotic burden.
But it does not give us only this, it gives us something more: the function of our stenosis. This is very important for us, because not all stenoses are created equal: not all severe stenoses are functionally, haemodynamically relevant, while there may be subcritical stenoses that are haemodynamically relevant. And so with coronary CT, and Professor Pontone was one of the architects of this technique, using the laws of fluid dynamics we can derive FFR, which the interventional cardiologist gives us invasively.
Why is this important? Because you can see that adding FFR to plain coronary CT raises sensitivity and specificity. In all three studies you see that having non-invasive FFR better characterises my patient and therefore steers the clinical cardiologist’s attitude towards a more targeted approach. In this PACIFIC substudy we see that the AUC of FFR, non-invasive fractional flow reserve, is 0.94 and, compared with the other imaging techniques, it is certainly higher: PET has 0.87, coronary CT alone 0.83 and myocardial scintigraphy 0.70.
How can we translate these fine data to our patient, to outcomes? You see that having not only the assessment of the plaque itself or of plaque burden, but also of its function, leads to an improvement in the reduction of all events, in this study by British cardiologists recently published in Nature Medicine. But what else does it lead to? To an improvement in the diagnostic work-up I have to carry out in my patient. Indeed, you see that combining coronary CT with the functional assessment of the plaque leads to a reduction in coronary angiography examinations.
But that is not all. I know very well that you have already seen these slides: coronary CT, especially with the new photon-counting CT scanners, also allows us to assess myocardial perfusion. You see here how a stenosis of the left anterior descending artery leads to reduced flow and ischaemia in the territory downstream of the stenosis itself. This leads to an increase in AUC compared with plain CT and to AUC values comparable to those of CT-derived FFR.
So what have we seen of the help artificial intelligence gives in this technique? The assessment of the stenosis, stenosis burden, stenosis function. But we know very well that atherosclerosis is a chronic inflammatory process, as Ross told us in his 1999 review. CT with artificial intelligence can certainly help us, because we can see the FAI, the Fat Attenuation Index: if the plaque is inflamed there is a rarefaction of the perivascular adipose tissue, and this has been correlated with prognosis. So with artificial intelligence we can assess the plaque both in a very static way and in a dynamic way, but also the biology of the plaque itself.
Let me move on. There are various scores: we are now used to assessing our patient with clinical scores, and artificial intelligence can certainly help us segment the various CT images we have, both at the cardiac, myocardial level and at the coronary level, together with other clinical scores. You see that adding all these scores together yields higher sensitivity and specificity than clinical scores alone or static scores such as CAD-RADS.
I know very well that Professor Pontone has already told you about these indications. The future indication is the use of CT before performing a revascularisation procedure, whether percutaneous or surgical. Indeed, this study showed how assessing a left main stenosis before coronary angiography leads us to choose the most appropriate stent to solve the problem.
So what is the future? The future is not in ten years’ time, the future is now. CT is certainly no longer an evolution, it is a revolution. Artificial intelligence has been born and is already in our clinical practice. What is the only problem we have? That this examination must absolutely be available from Domodossola to Canicattì. Unfortunately, given the demand we have, this examination and the characterisation of the various artificial intelligence features in this examination are certainly not available in our cities.
I have told you about studies, but we are cardiologists, clinical cardiologists, cardiologists who work on the patient. Let us see in practice whether this imaging, this artificial intelligence, will really give us a hand in our clinical practice, in everyday clinical practice, where we have 20 minutes for each outpatient visit and 20 patients for each ward wing we follow.
This is a 52-year-old patient, a smoker, hypertensive, with nothing in his previous clinical history. He came to the emergency department with chest pain, retrosternal pain; the ECG showed no abnormality, so the emergency department measured troponin. You see that troponin indicated acute myocardial injury, and the patient was admitted to the step-down unit of our department. You see that the echocardiogram shows absolutely no wall motion abnormality, just as coronary angiography performed a few hours later shows nothing except a very mild stenosis of the mid left anterior descending artery.
At this point what did I expect? That my interventional cardiologist would characterise that plaque. He did not, because in his opinion it was not necessary. But I have to discharge the patient: I have to make a diagnosis, I have to give therapy, I have to sign the discharge letter.
For me, having myocardial injury means nothing, having a 20% stenosis means nothing: what matters to me is the diagnosis, because the diagnosis gives me the therapy. This could have been a […] cardiomyopathy or an acute coronary syndrome. So what did we come up with? We decided to perform coronary CT. This is where artificial intelligence was useful to us: this plaque, which according to the interventional cardiologist was nothing, was a high-risk plaque. It would certainly have been nicer to see on OCT the image of an eroded, fissured or ruptured plaque with thrombosis, but I was satisfied with this; actually, I was not satisfied, because we also performed perfusion imaging, and you see that there is a lesion in the mid septum, in the perfusion territory of that left anterior descending artery with the plaque.
And not only that: we also performed MRI a few days later, this is the 5-day diagnostic work-up of this patient, and you see that on MRI both oedema and LGE matched the characteristics shown by perfusion CT. So what did we do? From this embarrassment the interventional cardiologist had put us in, and I apologise to all interventional cardiologists, because he had not given me the diagnosis, we reached a diagnosis thanks to the various techniques in which artificial intelligence helped us. This patient did not have a […] cardiomyopathy: it is a MINOCA, not a type 2 MINOCA due to vasospasm and so on, but a type 1 MINOCA with an atherothrombotic plaque. So this patient was started on therapy as it should be for a type 1 acute myocardial infarction. Thank you for your attention.




Stiamo aggiornando gradualmente tutti i contenuti esistenti e già 1/5 dell’archivio contiene due importanti novità.
La prima è che i video gradualmente saranno tutti disponibili, salvo alcuni contenuti soggetti a restrizioni, direttamente su YouTube.
Questo porta diversi vantaggi: sottotitoli disponibili e traducibili in varie lingue, maggiore velocità di riproduzione e alleggerimento del server da compiti gravosi.
Ma soprattutto, ogni relazione sarà accompagnata da un Abstract e dalla trascrizione completa, entrambi disponibili in italiano e in inglese.
All’interno dei testi saranno presenti anche i riferimenti temporali dei principali passaggi della relazione. Questo significa che, cliccando su un timecode, ad esempio (09:48), sarà possibile avviare il video esattamente da quel punto.
Un altro grande vantaggio è la possibilità di cercare parole o frasi presenti nei contributi, cosa che prima non era possibile.
Non dimenticate inoltre di iscrivervi al nostro canale YouTube: cliccando qui sotto:
una volta aperto Youtube, selezionate Iscriviti e attivate la campanella 🔔 per ricevere gli aggiornamenti sui nuovi contenuti pubblicati.