La prevalenza dell’amiloidosi cardiaca da transtiretina ha registrato un costante incremento nell’ultimo decennio, in rapporto alla migliore capacità di diagnosi dei clinici e alla maggiore sopravvivenza della popolazione generale. La deposizione subclinica di transtiretina è stata documentata nel 3% della popolazione anziana, suggerendo che, al momento, una elevata percentuale di casi non giunge alla diagnosi o lo fa con un significativo ritardo diagnostico. L’amiloidosi cardiaca è causata dall’accumulo intracardiaco di proteine scarsamente ripiegate: la transtiretina o prealbumina.  

La diagnosi di amiloidosi cardiaca viene attualmente condotta grazie a un percorso diagnostico multidisciplinare, che include l’identificazione di una serie di red flags clinico-strumentali.

È importante considerare che il 5% della popolazione ultra65enne è affetto da una gammapatia monoclonale di incerto significato, e ciò potrebbe condurre alla diagnosi di amiloidosi. Sebbene l’amiloidosi possa essere sospettata a partire da esami di base, quali l’elettrocardiogramma o l’ecocolordoppler cardiaco, l’accuratezza diagnostica ottenuta da questi test, considerati in forma isolata, è bassa. Per tale motivo, un modello finalizzato ad identificare dei “clusters” di sintomi potrebbe incrementare in modo significativo il rate diagnostico dell’amiloidosi cardiaca.  Lo scopo di questo progetto è di sviluppare e testare un algoritmo di intelligenza artificiale, capace di guidare la valutazione clinica a partire da specifiche red flags.

Abbiamo quindi organizzato un primo incontro, in collaborazione con la SIMG Napoli, accreditato ECM  (3 crediti) che si terrà mercoledì 1 Marzo alle ore 19:30 c/o la sede della cooperativa.

Docente sarà il Prof. Giuseppe Limongelli dell’ospedale Monaldi.