Un modèle d’intelligence artificielle (IA) développé par une équipe américaine permettrait, à partir des données d’un dispositif portable ou wearable* d’ECG comme les montres connectées, de prédire le risque d’insuffisance cardiaque (IC). Testé sur différentes cohortes internationales (n = 248 262), l’algorithme a fait aussi bien, voire mieux, que deux scores de risque utilisés en clinique (PCP-HF et Prevent). Les auteurs de cette publication dans le Jama Cardiology entrevoient ainsi la possibilité d’élaborer des « stratégies accessibles » de stratification du risque d’IC à partir de ce type d’appareils de mesure.
Les dispositifs portables et wearable en vente grand public ne captent, à l’exception de quelques modèles, qu’une dérivation. Or l’inconvénient de l’ECG à une dérivation est l’introduction de bruit lors de l’acquisition du signal. Pour y remédier, l’équipe a développé un modèle d’IA capable de s’adapter au bruit et de prédire le risque d’IC en se basant sur la signature ECG de dysfonction systolique du ventricule gauche (LVSD). En effet, dans une étude précédente, les auteurs avaient montré la possibilité de détecter une fraction d’éjection ventriculaire gauche (FEVG) réduite grâce à un ECG simple dérivation et ainsi, d’évaluer le risque d’IC, même subclinique.
Amélioration de la reclassification des personnes à risque
Les auteurs ont inclus des patients ayant réalisé un ECG standard venant de trois cohortes : la cohorte américaine Yale New Haven Health System [YNHSS] (n = 192 667), la cohorte britannique UK Biobank [UKB] (n = 42 141) et la cohorte brésilienne Elsa-Brasil (n = 13 454). Pour évaluer l’efficacité de leur modèle, ils ont extrait les données des ECG standards, comportant généralement 12 dérivations, en ne retenant que celles de la dérivation 1. Une méthodologie qui constitue la première limite de cette étude, « les ondes extraites de la dérivation 1 d’ECG standard pouvant ne pas être identiques à celles enregistrées par des dispositifs portables ».
Selon l’algorithme des chercheurs, 22,2 % des patients de la cohorte YNHHS étaient à risque d’IC, 13,1 % dans la UKB et 14,3 % dans Elsa-Brasil. In fine, ils retrouvent dans la cohorte britannique 46 individus hospitalisés pour IC (suivi médian de 3,1 ans), et 31 personnes avec une IC dans la cohorte brésilienne (suivi médian de 4,2 ans). Quant à la cohorte YNHHS, quelque 3 697 patients ont été hospitalisés pour une IC, ce qui porte à 7 514 le nombre de patients hospitalisés pour une IC ou ayant présenté une FEVG de moins de 50 % (suivi médian de 4,6 ans). Soit, après ajustement, un dépistage positif est associé par rapport à un dépistage négatif à un risque 2,7 fois plus élevé d’IC dans la YNHHS, 5 fois plus élevé dans l’UKB et 7,7 fois plus élevé dans Elsa-Brasil.
Ainsi, comparé aux scores de risque PCP-HF et Prevent, le modèle a permis une amélioration nette de la reclassification des personnes à risque d’IC de 18,2 à 47,2 % et de 11,8 à 47,5 %, respectivement. Les dépistages positifs du modèle ont également été associés à un risque modérément élevé d’accident vasculaire cérébral ou d’événements cardiaques majeurs.
Pour les auteurs, ces résultats montrent qu’un modèle d’IA adapté au bruit entraîné pour détecter les LVSD à partir d’un ECG une dérivation permet d’identifier des individus à risque d’hospitalisation pour IC. Et, ce, de façon plus efficace que les scores de risque. Cela montre ainsi « des caractéristiques prometteuses pour un usage de biomarqueurs digitaux non invasifs pour l’évaluation du risque d’IC à l’aide d’un ECG 1 dérivation ».
* L'informatique wearable désigne les appareils électroniques intégrés aux habits ou accessoires de la personne qui les porte, et capables de stocker et de traiter des données
Dans la cholécystite, la chirurgie reste préférable chez les sujets âgés
Escmid 2025: de nouvelles options dans l’arsenal contre la gonorrhée et le Staphylococcus aureus
Yannick Neuder lance un plan de lutte contre la désinformation en santé
Dès 60 ans, la perte de l’odorat est associée à une hausse de la mortalité