Applications of Artificial Intelligence in Cardiology: Methodological Advances and Three Use Cases

Artificial intelligence (AI) is transforming cardiology, enabling a shift from reactive to predictive and personalized medicine. This thesis demonstrates the methodological potential and clinical relevance of AI across three distinct use cases in cardiovascular health, focusing on: opportunistic screening, foundation models for generalizable diagnosis, and digital twin technology for personalized intervention. Methods and Results: Opportunistic Screening (Use Case 1): Deep Learning models were applied to routine Chest X-Ray (CXR) images of patients referred for suspected Coronary Artery Disease (CAD). The model accurately predicted the presence of significant CAD for diagnostic triage (AUC 0.77 with angina) and effectively stratified long-term mortality risk (AUC 0.81 when combined with age and CAD status). This work validates CXR as a low-cost, scalable source of prognostic biomarkers. Foundation Models (Use Case 2): We developed HuBERT-ECG, a self-supervised foundation model, pre-trained on an unprecedented 9.1 million 12-lead ECGs. HuBERT-ECG demonstrated robust generalizability across 17 downstream tasks and achieved AUROCs >0.90 for 140 out of 164 cardiovascular conditions. Crucially, the model leveraged inter-relationship learning on the Cardio-Learning dataset, achieving a dramatic improvement in prediction for complex structural heart disease, such as Heart Failure (HF), where ECG signals are conventionally subtle (AUROC on HF 0.9674±0.0566). Digital Twin Architecture (Use Case 3): We conceptualized and architecturally designed the DORIAN GRAY Project (funded by Horizon Europe). This project employs a Digital Twin framework and a cascading AI model suite to link Cardiovascular Disease (CVD) and Mild Cognitive Impairment (MCI) through causal inference and personalized risk stratification. The solution utilizes a highly adaptive Avatar-Based Coaching Exergame (ABCE), validated through the dedicated COGIT-HF randomized trial protocol , representing a novel design for continuous, real-time digital intervention. Conclusions: This thesis successfully demonstrated three scalable and high-impact applications of AI in cardiology. The work advances AI methodology across image analysis, time-series foundation modeling, and complex digital health architectural design. These contributions offer tangible pathways for developing robust, personalized, and efficient tools that enhance clinical decision-making and promote equitable cardiovascular and cognitive health globally

L’intelligenza artificiale (IA) sta trasformando la cardiologia, favorendo il passaggio da una medicina reattiva a un approccio predittivo e personalizzato. Questa tesi illustra il potenziale metodologico e l’impatto clinico dell’IA attraverso tre distinti casi d’uso nell’ambito della salute cardiovascolare, focalizzati su: screening opportunistico, modelli fondativi per una diagnosi generalizzabile e gemelli digitali per interventi personalizzati. Metodi e Risultati Screening Opportunistico: sono stati applicati modelli di deep learning alle radiografie del torace (CXR) eseguite routinariamente nei pazienti valutati per sospetta coronaropatia (CAD). Il modello è risultato in grado di predire con buona accuratezza la presenza di CAD significativa ai fini del triage diagnostico (AUC 0.77 nei pazienti con angina) e di stratificare efficacemente il rischio di mortalità a lungo termine (AUC 0.81 combinando età e stato CAD). Lo studio dimostra che la CXR può rappresentare una fonte scalabile e a basso costo di biomarcatori prognostici. Modelli Fondativi (Foundational Models): è stato sviluppato HuBERT-ECG, un modello fondativo auto-supervisionato pre-addestrato su un dataset senza precedenti composto da 9,1 milioni di ECG a 12 derivazioni. HuBERT-ECG ha mostrato un’elevata capacità di generalizzazione in 17 compiti successivi e ha ottenuto un AUROC >0.90 per 140 su 164 condizioni cardiovascolari. In particolare, sfruttando le relazioni interne del dataset Cardio-Learning, ha migliorato significativamente la predizione di patologie cardiache strutturali complesse, come lo scompenso cardiaco (HF), per le quali l’ECG fornisce segnali tradizionalmente poco specifici (AUROC per HF 0.9674 ± 0.0566). Architettura del Gemello Digitale: è stata definita l’architettura del progetto DORIAN GRAY, finanziato da Horizon Europe, basata su un framework di Gemello Digitale e su una serie di modelli di IA integrati. L’obiettivo è collegare malattia cardiovascolare e lieve decadimento cognitivo tramite inferenza causale e stratificazione personalizzata del rischio. La piattaforma incorpora un Avatar-Based Coaching Exergame (ABCE) ad elevato grado di adattività, validato tramite il trial randomizzato dedicato COGIT-HF, proponendo un approccio innovativo all’intervento digitale continuo e in tempo reale. Conclusioni La tesi dimostra tre applicazioni scalabili e ad alto impatto dell’IA in cardiologia. I risultati avanzano lo stato dell’arte nell’analisi di immagini, nella costruzione di modelli fondativi per serie temporali e nella progettazione di architetture complesse per la sanità digitale. Nel loro insieme, questi contributi delineano percorsi concreti verso strumenti clinici robusti, personalizzati ed efficienti, finalizzati a migliorare il processo decisionale e a promuovere equità nella salute cardiovascolare e cognitiva su scala globale