"Organizzazione di un database di segnali cardiaci di soggetti affetti da ponte miocardico"

Uno dei sistemi che governa l’organismo umano, è il sistema cardiocircolatorio che ha il compito di permettere la circolazione del sangue e delle varie sostanze nutritive all’interno dell’organismo. Il protagonista di questo sistema è il cuore, una pompa che attraverso arterie e vene permette che il sangue si ossigeni e che venga trasportato. Al giorno d’oggi, per monitorare il cuore e il suo funzionamento, esistono vari strumenti di misura, come ad esempio l’elettrocardiogramma, la risonanza magnetica e la tomografia computerizzata. Attraverso questi strumenti è possibile osservare delle caratteristiche che aiutano nella diagnostica di alcune patologie, come ad esempio il ponte miocardico. Il ponte miocardico è un’anomalia del cuore dove un’arteria coronarica, invece di trovarsi collegato al cuore, si crea sottostante le fibre del muscolo cardiaco. Questo causa che, durante la contrazione, l’arteria viene parzialmente o totalmente compressa non permettendo il flusso del sangue. Questa patologia è molto discussa poiché viene diagnostica maggiormente dopo la morte, viene considerata una malattia benigna nella maggior parte dei casi, ma viene anche associata ad angina o alla morte cardiaca improvvisa. Questa tesi si concentra sulla costruzione di un database di segnali cardiaci, dove all’interno sono stati inseriti i principali fattori di rischio per patologie cardiache come ad esempio la presenza di diabete o di ipertensione arteriosa e parametri che permettono di analizzare le caratteristiche del ponte miocardico, come la presenza del milking effect o direttamente dove il ponte fosse posizionato all’interno dell’arteria. In questo studio, sono stati coinvolti 39 soggetti, ognuno con abitudini diverse, in modo tale da rendere la costruzione del database universale. Sono stata inseriti tutti i dati considerati utili per vedere se ci fosse qualche correlazione tra la presenza di ponte miocardico e abitudini o patologie pregresse dei vari pazienti, come ad esempio, sono state inserite le immagini degli elettrocardiogrammi dei vari pazienti per individuare visibilmente un elemento comune. Inoltre, l'uso di tecnologie avanzate come l'intelligenza artificiale e il machine learning può accelerare lo sviluppo di nuovi approcci terapeutici e diagnostici personalizzati per questa condizione.