Su “Resuscitation Plus” la ricerca “Artificial Intelligence in Resuscitation: A Scoping Review”, condotta da un team multidisciplinare e internazionale con la partecipazione di Andrea Scapigliati, Ricercatore in Anestesiologia all’Università Cattolica, responsabile UOC Cardioanestesia e Terapia Intensiva Cardiochirurgica Policlinico Universitario A. Gemelli IRCCS.

Uno studio condotto da un team multidisciplinare e internazionale coordinato da Federico Semeraro, anestesista rianimatore dell’Azienda USL di Bologna e Presidente dell’European Resuscitation Council (ERC), ed Elena Giovanna Bignami, docente di Anestesia e Rianimazione all’Università di Parma e Presidente della Società Italiana di Anestesia Analgesia Rianimazione e Terapia Intensiva (SIAARTI),con la partecipazione di Andrea Scapigliati, Ricercatore in Anestesiologia all’Università Cattolica, responsabile UOC Cardioanestesia e Terapia Intensiva Cardiochirurgica Policlinico Universitario A. GemelliI RCCS, Presidente dell’Italian Resuscitation Council (IRC),apre la strada alle prossime linee guida europee sull’arresto cardiaco, con focus in particolare sull’impiego dell’intelligenza artificiale per la rianimazione cardiopolmonare.

Pubblicato su “Resuscitation Plus”, lo studio Artificial Intelligence in Resuscitation: A Scoping Review segna un punto di svolta nel prossimo futuro della gestione dell’arresto cardiaco: il lavoro rappresenterà una fonte primaria di evidenza sull’intelligenza artificiale da considerare per le linee guida ERC 2025 sulla rianimazione cardiopolmonare.

Lo studio ha analizzato 197 lavori scientifici pubblicati fino al 2024, mappando per la prima volta in modo sistematico l’applicazione dell’intelligenza artificiale (IA) nella gestione dell’arresto cardiaco. “L’uso dell’IA in questo campo ha mostrato risultati promettenti, soprattutto nella capacità di prevedere un arresto, classificare i ritmi cardiaci e prevedere gli esiti neurologici dopo la rianimazione,” spiega Federico Semeraro.

Tra le tecniche analizzate figurano l’apprendimento automatico, il deep learning e il natural language processing (NLP) usato, ad esempio, per supportare operatori e operatrici delle centrali operative 118 nel riconoscere precocemente un arresto cardiaco. “Un assistente virtuale basato su NLP si è dimostrato capace di riconoscere l’arresto più rapidamente di un operatore umano”, aggiunge Andrea Scapigliati.

Nonostante i risultati incoraggianti – con algoritmi che raggiungono prestazioni molto elevate (in alcuni casi superiori al 90% di accuratezza) – lo studio sottolinea come l’adozione reale nella pratica clinica sia ancora limitata. “La sfida ora è integrare questi strumenti nella routine ospedaliera in modo sicuro ed efficace e validarne l’utilità clinica attraverso studi prospettici,” afferma Elena Giovanna Bignami.

Allo studio, sostenuto dall’Università di Parma e dall’Italian Resuscitation Council, hanno partecipato esperte ed esperti da tutta Europa, tra cui Robert Greif (Università di Berna), Sebastian Schnaubelt (Università di Vienna), Koenraad Monsieurs (Università di Anversa), Nino Fijačko (Università di Maribor), insieme a Drieda Zace (Università Tor Vergata, Roma), Giuseppe Ristagno (Università di Milano), Andrea Scapigliati (Università Cattolica del Sacro Cuore, Roma), Jonathan Montomoli (Azienda USL di Romagna, Rimini) e  Lorenzo Gamberini (Azienda USL di Bologna).

Questa revisione fornisce la base scientifica per portare l’IA dal laboratorio alla gestione reale di sistema dell’arresto cardiaco. Le nuove linee guida del 2025 dovranno tenere conto di queste innovazioni per salvare più vite in modo tempestivo ed equo.

Link Artificial Intelligence in Resuscitation: A Scoping Review https://doi.org/10.1016/j.resplu.2025.100973