Per esempio l’implementazione routinaria degli score di rischio di scompenso cardiaco nelle piattaforme che raccolgono le cartelle cliniche elettroniche dei pazienti potrebbe favorire il riconoscimento dei soggetti a maggiore rischio e l’attuazione di uno screening di popolazione. Un risultato ancora più accurato si potrebbe ottenere nel momento in cui si utilizzassero modelli creati tramite machine learning che uniscono nuovi fattori di rischio di scompenso cardiaco a quelli tradizionali. Proprio sistemi di machine learning e approcci basati sull’intelligenza artificiale (IA), infatti, sono in grado di identificare nuovi fattori di rischio analizzando ampi database e con diverse variabili.

Sempre con finalità di diagnosi e identificazione del paziente a rischio, si possono applicare degli algoritmi basati sull’IA per il riconoscimento dello scompenso cardiaco dai dati dell’ECG, così come stetoscopi smart in grado di rilevare autonomamente il soffio al cuore.

Ma i tool digitali possono rivelarsi utili anche nella gestione terapeutica del paziente. Infatti strumenti di supporto digitali integrati alla cartella clinica elettronica possono migliorare l’impiego dei farmaci, oppure aiutare nell’interpretazione dei reperti di imaging o, ancora, ottimizzare l’identificazione del tempo della dimissione ospedaliera valutando i possibili rischi.

Infine si deve citare il potenziale impiego di strumenti digitali per il monitoraggio del paziente con scompenso cardiaco. Le soluzioni a disposizione sono molto variabili: infatti si va dai sistemi remoti, che possono essere invasivi (per esempio per la valutazione di impedenza toracica e frequenza cardiaca e respiratoria) o non invasivi, ai cosiddetti wearable, sino a diverse app (utili per registrare i sintomi, effettuare un reminder per l’assunzione dei farmaci, fornire suggerimenti per attività fisica e corretto regime alimentare). 

Nonostante la riconosciuta utilità delle varie soluzioni sopra riportate, la loro implementazione nella pratica clinica sta incontrando alcuni ostacoli. In primis la privacy dei dati dei pazienti, l’interoperabilità tra i dati stessi e la generalizzabilità delle risposte fornite dall’IA, senza dimenticare la formazione del clinico per il corretto impiego degli strumenti e l’efficace gestione e interpretazione dei numerosi dati forniti dai tool digitali.