Infarctus : une IA surpasse les approches standards pour la détection des crises

Mona El-Guechati

22 août 2023

Pittsburgh, États-Unis – Une nouvelle étude publiée dans la revue Nature Medicine dévoile qu’un nouveau modèle d'apprentissage automatique, développé par une équipe de chercheurs de l’Université de Pittsburgh, se basant sur la lecture des électrocardiogrammes (ECG) permet de diagnostiquer et de catégoriser les crises cardiaques plus rapidement et avec plus de précision que les approches actuelles [1].

« Lorsqu'un patient arrive à l'hôpital avec une douleur thoracique, la première question que nous devons nous poser est de savoir s'il est en train de faire une crise cardiaque ou non. Il semble que cela devrait être simple, mais lorsque l'ECG n'est pas clair, cela peut prendre jusqu'à 24 heures pour effectuer des tests supplémentaires », a déclaré l'auteur principal, Salah Al-Zaiti, professeur agrégé à l'école d'infirmières et en médecine d'urgence et cardiologie à l'école de médecine de l’université de Pittsburg (Pittsburg, États-Unis), dans un communiqué de presse [2]. « Notre modèle permet de relever ce défi majeur en améliorant l'évaluation des risques afin que les patients puissent recevoir les soins appropriés sans délai.

ECG : ses subtilités interprétées plus facilement

A l'aide de l’électrocardiogramme, les cliniciens savent reconnaître facilement le tracé du syndrome d'infarctus du myocarde (STEMI), le type de crise cardiaque le plus sévère. Ces épisodes graves sont dus à l'obstruction totale d'une artère coronaire et nécessitent une intervention immédiate pour rétablir la circulation sanguine.

Le problème est que près des deux tiers des infarctus du myocarde sont causées par une obstruction grave, mais ne se traduisent pas le schéma ECG classique d’une personne qui souffre d'une crise cardiaque. Le nouvel outil permet de détecter des indices subtils dans l'ECG difficilement repérables pour les cliniciens et d'améliorer la classification des patients souffrant de douleurs thoraciques.

D'où le modèle développé par le co-auteur Ervin Sejdic, professeur associé au département Edward S. Rogers d'ingénierie électrique et informatique de l'université de Toronto et titulaire de la chaire de recherche en intelligence artificielle pour les résultats en matière de santé au North York General Hospital (Toronto, Canada) à partir des ECG de 4 026 patients souffrant de douleurs thoraciques dans trois hôpitaux de Pittsburgh. Le modèle a ensuite été validé en externe chez 3 287 patients d'un autre système hospitalier.

Les chercheurs ont comparé leur modèle à trois normes de référence pour l'évaluation des événements cardiaques : l'interprétation de l'ECG par un clinicien expérimenté, les algorithmes « commerciaux » d'ECG et le score HEART, qui prend en compte les antécédents au moment de la consultation (y compris la douleur et les autres symptômes), l'interprétation de l'ECG, l'âge, les facteurs de risque (tels que le tabagisme, le diabète, l'hypercholestérolémie) et les taux sanguins d'une protéine appelée troponine.

Un modèle plus performant que les 3 normes de référence

Le modèle développé a été plus performant que les trois autres, reclassant avec précision un patient sur trois souffrant de douleurs thoraciques dans l'une des catégories suivantes : risque faible, intermédiaire ou élevé.

« Dans nos rêves les plus fous, nous espérions atteindre la précision de HEART, mais nous avons été surpris de constater que notre modèle d'apprentissage automatique basé uniquement sur l'ECG dépassait ce score », a déclaré le Dr Al-Zaiti.

Le Dr Christian Martin-Gill, co-auteur de l’étude et chef de la division des services médicaux d'urgence à l'UPMC, déclare que l'algorithme aidera le personnel des établissements de santé et des services d'urgence à identifier les personnes qui subissent une crise cardiaque et celles dont le flux sanguin vers le cœur est réduit, de manière plus concrète que ne le fait l'analyse traditionnelle de l'ECG.

« Ces informations peuvent aider à guider les décisions médicales des services médicaux d'urgence, comme celles concernant l'initiation de certains traitements sur le terrain ou l'alerte des hôpitaux sur l'arrivée d'un patient à haut risque », a ajouté le Dr Martin-Gill. « D'un autre côté, il est également intéressant de savoir qu'elles peuvent aider à identifier les patients à faible risque qui n'ont pas besoin d'aller dans un hôpital doté d'un service de cardiologie spécialisé, ce qui pourrait améliorer le triage préhospitalier. »

Dans la phase suivante de cette recherche, l'équipe optimisera la façon dont le modèle sera déployé en partenariat avec le bureau des services médicaux d'urgence de la ville de Pittsburgh. Le Pr Al-Zaiti explique qu'ils sont en train de développer un système basé sur le "cloud". Un système qui s'intègre aux "clouds" auxquels sont reliés les hôpitaux recevant des relevés d'ECG en provenance des services médicaux d'urgence. Le modèle analysera l'ECG et renverra une évaluation des risques du patient, guidant ainsi au mieux les décisions médicales en temps réel.

 

 

Cette recherche a été soutenue par le National Heart, Lung, and Blood Institute, le National Center for Advancing Translational Sciences et le National Institute for Nursing Research par le biais des subventions R01HL137761, UL1TR001857, K23NR017896 et KL2TR002490.

 

 

 

Suivez Medscape en français sur  Twitter .

Suivez theheart.org | Medscape Cardiologie sur  Twitter .

Inscrivez-vous aux  newsletters de Medscape :  sélectionnez vos choix

 

 

 

 

 

 

Commenter

3090D553-9492-4563-8681-AD288FA52ACE
Les commentaires peuvent être sujets à modération. Veuillez consulter les Conditions d'utilisation du forum.

Traitement....