TrialsgrambetaRCTs are beautiful
Traduzione non revisionataLa traduzione in Italiano di questa voce non è stata revisionata e può differire dalla fonte. Acronimo, titolo completo e citazione restano sempre nella lingua originale.Apri la pubblicazione originale ↗

TRICORDER

Triple Cardiovascular Disease Detection with an Artificial Intelligence-Enabled Stethoscope (TRICORDER) in the UK: a Cluster-Randomised Controlled Implementation Trial

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 1,55 milioni di pazienti di 205 ambulatori di medicina generale, uno stetoscopio dotato di IA nelle cure ordinarie non hanno migliorato il rilevamento di scompenso cardiaco di nuova diagnosi in 12 mesi rispetto alle cure di routine.

N
1.553.175pazienti
Disegno
Studio di implementazione pragmatico randomizzato a cluster, cure primarie UK (205 ambulatori)
Esito
Incidenza di qualsiasi nuova diagnosi codificata di scompenso cardiaco per 1.000 anni-paziente (IRR); coprimario: rilevamento stratificato per diagnosi territoriale vs. ospedaliera
Rilevanza
1Definisce la pratica — lo studio su cui poggia la linea guida.
RisultatoRilevamento dello scompenso cardiaco IRR 0,94 (IC al 95 % 0,86–1,02) nell'analisi intention-to-treat, senza differenze nelle diagnosi territoriali o ospedaliere (P>0,05); gli ambulatori di intervento hanno registrato 12.725 esami con stetoscopio AI da parte di 972 utilizzatori clinici.
Kelshiker MA, et al. Lancet. 2026;407(10529):704-715. 10.1016/S0140-6736(25)02156-7
Discussione e critica

Il più grande studio randomizzato di implementazione di un dispositivo diagnostico AI, e uno studio negativo: nonostante algoritmi approvati dalle autorità regolatorie per frazione di eiezione ridotta, FA e valvulopatia, il rilevamento dello scompenso cardiaco a livello di ambulatorio non è aumentato in 12 mesi. Il problema era l'utilizzo — 12.725 esami in una popolazione registrata di oltre 700.000 — e l'utilizzo stesso era indipendentemente associato a un maggior rilevamento di scompenso cardiaco, FA e valvulopatia, il meccanismo dell'adozione che EAGLE e Rushlow avevano messo in luce. In aperto per necessità; insegna che l'implementazione, non l'accuratezza, è il passaggio limitante per l'AI nelle cure primarie.