In una vasta collaborazione internazionale, Human Technopole ha contribuito allo sviluppo di tre modelli complementari di previsione del rischio che consentono una valutazione trasparente e basata sui dati e che supportano strategie terapeutiche personalizzate e sistemi sanitari più sostenibili.
Lo scompenso cardiaco si configura come una delle patologie cardiovascolari più gravi e con la più rapida crescita a livello globale.
Attualmente, oltre 60 milioni di persone sono affette da questa condizione e si prevede un ulteriore incremento dei casi, favorito dall’invecchiamento demografico, dall’aumento della prevalenza di diabete e obesità e dai miglioramenti nella sopravvivenza successiva a eventi quali infarto e ictus.
Malgrado i significativi avanzamenti terapeutici, lo scompenso cardiaco continua a rappresentare una delle principali cause di ospedalizzazione, nonché un fattore rilevante di riduzione della qualità della vita e di crescente pressione sui sistemi sanitari. Una delle criticità principali risiede nel fatto che il rischio di sviluppare scompenso cardiaco tende ad accumularsi in maniera silente e con un’elevata variabilità interindividuale. La condizione può insorgere sia in soggetti privi di una precedente storia di malattie cardiovascolari, sia in pazienti con malattia cardiovascolare aterosclerotica (ASCVD) già diagnosticata, oltre che in individui affetti da specifiche forme di scompenso cardiaco, come lo scompenso cardiaco con frazione di eiezione preservata (HFpEF). Tuttavia, fino a tempi recenti, è mancato un quadro di riferimento organico in grado di consentire ai clinici una quantificazione uniforme del rischio lungo l’intero spettro di queste diverse condizioni.
I modelli tradizionali di stratificazione del rischio si fondano su fattori consolidati quali età, pressione arteriosa, presenza di diabete, livelli di colesterolo e anamnesi di malattie cardiovascolari. Ciononostante, tali strumenti non sempre risultano adeguati a rappresentare la complessità complessiva del rischio di scompenso cardiaco. Ne consegue che alcuni soggetti ad alto rischio possono non essere identificati tempestivamente, mentre altri possono essere sottoposti a percorsi di monitoraggio o trattamenti non necessari. In questo contesto, il miglioramento delle capacità di previsione del rischio assume un ruolo cruciale, sia per la tutela dei pazienti sia per la sostenibilità dei sistemi sanitari, chiamati a gestire un carico sempre più rilevante di patologie cardiovascolari.
In tre importanti studi collaborativi internazionali pubblicati sull’European Heart Journal e co-guidati dal professor Emanuele Di Angelantonio, responsabile dell’Health Data Science Research Centre di Human Technopole e professore di epidemiologia clinica all’Università di Cambridge, i ricercatori hanno sviluppato e validato tre modelli complementari di previsione del rischio. Insieme, questi modelli costituiscono un quadro continuo per valutare il rischio di scompenso cardiaco lungo l’intera traiettoria della malattia, dalla prevenzione primaria fino alla gestione delle fasi più avanzate.
Il primo studio introduce SCORE2-HF, un modello che stima il rischio di scompenso cardiaco a 10 e a 30 anni negli adulti sopra i 40 anni senza precedenti malattie cardiovascolari. Sviluppato utilizzando dati provenienti da oltre 600.000 individui in 14 paesi europei e validato su più di 1,3 milioni di persone, il modello utilizza informazioni cliniche comunemente disponibili, tra cui età, abitudine al fumo, pressione arteriosa, indice di massa corporea, funzione renale e diabete di tipo 2, per individuare persone con rischio elevato di scompenso cardiaco molto prima della comparsa dei sintomi. SCORE2-HF è allineato ai modelli SCORE2 già utilizzati per stimare il rischio di ASCVD, permettendo una valutazione sinergica del rischio sia di ASCVD sia di scompenso cardiaco in Europa e sostenendo strategie integrate di prevenzione primaria.
Il secondo studio presenta SMART2-HF, focalizzato sui pazienti con ASCVD già diagnosticata, come malattia coronarica o ictus, che non hanno ancora sviluppato scompenso cardiaco. I modelli di rischio attualmente raccomandati dalle linee guida per questi pazienti quantificano il rischio di infarto e ictus, ma non stimano il rischio di scompenso cardiaco. Costruito utilizzando dati di quasi 8.000 pazienti e validato esternamente su oltre 240.000 pazienti appartenenti a sei coorti internazionali, SMART2-HF prevede sia il rischio a 10 anni sia il rischio nel corso della vita di sviluppare scompenso cardiaco utilizzando dati clinici raccolti routinariamente, integrando così gli strumenti esistenti di valutazione del rischio cardiovascolare.
Il terzo studio introduce LIFE-Preserved, rivolto ai pazienti che convivono già con scompenso cardiaco con frazione di eiezione preservata (HFpEF), una forma complessa e sempre più diffusa di scompenso cardiaco caratterizzata da una grande eterogeneità nella prognosi. Il modello, basato su dati di oltre 20.000 pazienti e validato in studi clinici e registri real-world che includono più di 28.000 ulteriori pazienti, prevede sia il rischio a breve termine sia il rischio nel corso della vita di ricovero per scompenso cardiaco o di morte cardiovascolare. Negli ultimi anni sono diventate disponibili nuove terapie per HFpEF, ma non tutti i pazienti ne traggono beneficio allo stesso modo. LIFE-Preserved aiuta a identificare quelli a rischio più elevato, supportando decisioni terapeutiche personalizzate e processi decisionali condivisi tra pazienti e clinici.
Piuttosto che essere strumenti isolati, questi modelli costituiscono una strategia integrata: consentono di identificare il rischio di scompenso cardiaco in una fase più precoce, di affinare la prognosi con maggiore precisione e di supportare le decisioni terapeutiche sulla base della probabilità individuale anziché di valori medi. Come spiega il professor Di Angelantonio, «partendo da queste ricerche, il Cardiometabolic Flagship Research Programme di Human Technopole porterà avanti una visione ambiziosa per la salute cardiometabolica, utilizzando dati su larga scala e scienza traslazionale per prevedere le malattie in modo più precoce, personalizzare le cure e generare un impatto concreto per pazienti e sistemi sanitari in tutto il mondo».
fonte: Human Technopole
