Un modèle d’intelligence artificielle (IA) a montré une précision remarquable pour prédire quels patients sont le plus à risque d’un arrêt cardiaque soudain. Les résultats ont surpassé les méthodes cliniques actuelles utilisées par les médecins.
Il est développé par des chercheurs de l’Université Johns Hopkins avec un financement fédéral. Ce nouveau système combine l’imagerie cardiaque sous-utilisée avec un large éventail de données médicales pour se concentrer sur la découverte des indicateurs cachés des maladies cardiaques. Cette innovation pourrait conduire à des interventions vitales pour les patients à haut risque. Cela réduirait également les procédures inutiles, telles que les implants de défibrillateur, chez ceux à faible risque.
« Actuellement, nous avons des patients qui meurent dans le cadre de leur vie parce qu’ils ne sont pas protégés et d’autres qui supportent des défibrillateurs pour le reste de leur vie sans avantage », a déclaré Natalia Trayanova, auteur principal et chercheur de premier plan en cardiologie. «Nous avons la capacité de prédire avec une précision très élevée, que ce soit à très haut risque de mort cardiaque soudaine ou non.»
Cette étude a été publiée dans Recherche cardiovasculaire de la nature.
L’objectif principal de la recherche est la cardiomyopathie hypertrophique (HCM), un trouble cardiaque héréditaire commun affectant entre 1 sur 200 et 1 sur 500 personnes dans le monde. Le HCM est une principale cause de mort cardiaque soudaine. Cela se produit surtout chez les jeunes adultes et les athlètes. Alors que beaucoup d’entre eux avec la condition vivent une vie normale, un sous-ensemble fait face à un risque considérablement accru – vous les identifiez depuis longtemps des cliniciens.
Selon Trayanova, les directives cliniques américaines et européennes existantes pour évaluer le risque chez les patients HCM ne sont «pas beaucoup mieux que de lancer des dés», avec seulement 50% de précision pour identifier les personnes à risque réel.
Le nouveau modèle, appelé IA multimodale pour la stratification du risque d’arythmie (MAARS), traite un ensemble complet de données sur les patients – y compris des scans IRM améliorés au contraste du cœur – pour identifier les modèles de cicatrisation liés à la mort cardiaque soudaine. Ces schémas de fibrose sont des indicateurs critiques, mais sont généralement passés inaperçus ou unanalysés par des méthodes conventionnelles.
«Les gens n’ont pas utilisé d’apprentissage en profondeur sur ces images», a expliqué Trayanova. «Nous sommes en mesure d’extraire ces informations cachées dans les images qui ne sont généralement pas prises en compte.»
Dans les essais impliquant des patients du monde réel de l’hôpital Johns Hopkins et du Sanger Heart & Vascular Institute en Caroline du Nord, les MAAR ont obtenu une précision globale de 89%, doubler le taux de réussite des directives actuelles. Parmi les patients âgés de 40 à 60 ans, le modèle a atteint une précision de 93%, ce qui le rend particulièrement efficace pour identifier les plus vulnérables.
Surtout, le système d’IA prédit non seulement les risques, mais explique également le raisonnement derrière chaque prédiction, permettant aux médecins de créer des plans de traitement hautement individualisés.
«Notre étude démontre que le modèle d’IA améliore considérablement notre capacité à prédire ceux qui sont les plus à risque par rapport à nos algorithmes actuels et ont donc le pouvoir de transformer les soins cliniques», a déclaré le co-auteur Jonathan Crispin, cardiologue chez Johns Hopkins.
Cette innovation s’appuie sur des travaux antérieurs de l’équipe de Trayanova, qui en 2022 a introduit un autre modèle d’IA qui prédit les résultats de survie pour les patients atteints d’infarctus, y compris des estimations du moment où un arrêt cardiaque pourrait se produire.
Pour l’avenir, les chercheurs prévoient de valider les MAAR sur les plus grandes populations de patients et d’adapter le système à d’autres maladies cardiaques, telles que la sarcoïdose cardiaque et la cardiomyopathie ventriculaire droite arythmogène.
