Algorithme d’apprentissage automatique capable de prédire l’insuffisance cardiaque

Un nouvel algorithme informatique basé sur l’intelligence artificielle (IA) capable d’identifier des changements subtils dans les électrocardiogrammes (ECG) peut prédire lorsque qu’un individu est en train de subir une insuffisance cardiaque. L’algorithme a été développé à l’hôpital Mount Sinai, et la recherche a été publiée dans le Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, est professeur adjoint de génétique et de sciences génomiques, membre de l’Institut Hasso Plattner pour la santé numérique à Mount Sinai, et auteur principal de l’étude.

“Nous avons montré que les algorithmes d’apprentissage profond peuvent reconnaître les problèmes de pompage sanguin des deux côtés du cœur à partir des données de forme d’onde d’ECG”, a déclaré Glicksberg. “Habituellement, le diagnostic de ces types de troubles cardiaques nécessite des procédures coûteuses et longues. Nous espérons que cet algorithme permettra un diagnostic plus rapide de l’insuffisance cardiaque.”

Nouvelles opportunités avec l’IA

Les médecins ont traditionnellement utilisé une échocardiographie, qui est une technique d’imagerie, pour évaluer si un patient est en train de subir une insuffisance cardiaque. Cependant, ces examens sont fastidieux et ne sont proposés que dans certains hôpitaux.

L’IA crée de nouvelles opportunités à cet égard, avec des recherches suggérant que les électrocardiogrammes pourraient être une alternative efficace. Des recherches récentes ont indiqué qu’un algorithme d’apprentissage profond peut détecter une faiblesse dans le ventricule gauche du cœur. La nouvelle recherche menée à Mount Sinai décrit le développement d’un algorithme qui évalue la force du ventricule gauche ainsi que du ventricule droit.

Girish N. Nadkarni, MD, MPH, CPH, est professeur agrégé de médecine à l’Icahn School of Medicine à Mount Sinai, chef de la division de la médecine numérique et des données (D4M), et auteur principal de la recherche.

“Bien que cela soit attrayant, il a traditionnellement été difficile pour les médecins d’utiliser les ECG pour diagnostiquer l’insuffisance cardiaque. Cela est en partie dû au fait qu’il n’y a pas de critères diagnostiques établis pour ces évaluations et que certains changements dans les lectures d’ECG sont simplement trop subtils pour que l’œil humain les détecte”, a déclaré le Dr Nadkarni. “Cette étude représente un pas excitant vers la découverte d’informations cachées dans les données d’ECG qui peuvent conduire à de meilleures stratégies de dépistage et de traitement en utilisant un test relativement simple et largement disponible.”

Programmation et test de la machine

Les chercheurs ont programmé un ordinateur pour lire les ECG de patients et les données extraites de rapports écrits, avec ces dernières agissant comme un ensemble de données standard pour que l’ordinateur puisse les comparer avec les données d’ECG. Cela lui a permis d’identifier les cœurs plus faibles.

Avec des programmes de traitement de langage naturel (NLP), l’ordinateur a pu extraire ces données des mots écrits. En même temps, les réseaux de neurones pouvaient découvrir des modèles dans les images, qui pouvaient ensuite être intégrés dans l’algorithme pour l’aider à reconnaître les forces de pompage.

“Nous voulions pousser l’état de l’art en développant une IA capable de comprendre l’ensemble du cœur de manière facile et peu coûteuse”, a déclaré le Dr Vaid.

La machine a analysé 700 000 ECG et rapports d’échocardiogramme, provenant de quatre hôpitaux différents. Un cinquième hôpital a été utilisé pour tester la façon dont l’algorithme se comporterait dans un environnement expérimental différent.

“Un avantage potentiel de cette étude est qu’elle a impliqué l’une des plus grandes collections d’ECG d’une des populations de patients les plus diversifiées au monde”, a déclaré le Dr Nadkarni.

L’algorithme a démontré une capacité efficace à prédire quels patients auraient des ventricules gauches sains ou faibles, et il a été exact à 94 % pour prédire quels patients avaient une fraction d’éjection saine, qui est la quantité de fluide que le ventricule pompe avec chaque battement. L’algorithme a également été exact à 87 % pour prédire ceux qui avaient une fraction d’éjection inférieure à 40 %.

L’un des domaines qui nécessite encore du travail concerne la prédiction de quels patients auraient des cœurs légèrement affaiblis. L’algorithme n’avait qu’un taux de précision de 73 % pour prédire les patients qui avaient une fraction d’éjection comprise entre 40 et 50 %.

L’algorithme a également pu détecter les faiblesses des valves droites à partir des ECG, avec un taux de précision de 84 % pour prédire quels patients avaient des valves droites faibles.

“Nos résultats suggèrent que cet algorithme pourrait éventuellement aider les médecins à diagnostiquer correctement les défaillances cardiaques sur l’un ou l’autre côté du cœur”, a déclaré le Dr Vaid.

Un autre point important de cette recherche est qu’elle suggère que l’IA pourrait être efficace pour détecter la faiblesse cardiaque chez tous les patients, quel que soit leur race et leur sexe.

“Nos résultats suggèrent que cet algorithme pourrait être un outil utile pour aider les praticiens cliniques à lutter contre l’insuffisance cardiaque subie par une variété de patients”, a ajouté le Dr Glicksberg. “Nous sommes en train de concevoir soigneusement des essais prospectifs pour tester son efficacité dans un environnement plus réel.”