En exploitant la puissance de l'intelligence artificielle (IA), cette équipe de l'Université d'Oxford a développé une empreinte digitale des caractéristiques anormales des artères. Ce développement ouvre un énorme potentiel de détection des premiers signes de la maladie et donc l’opportunité de prendre toutes les mesures préventives nécessaires avant une crise cardiaque. Et de sauver des vies.
C’est une « empreinte digitale » cardiaque ou biomarqueur appelé « profil radiomique de la graisse » (fat radiomic profile ou FRP), qui va ainsi permettre d’adapter un traitement préventif personnalisé pour chaque patient à risque élevé de crise cardiaque mortelle.
Ce biomarqueur semble pouvoir être détecté jusqu’à 5 ans avant le déclenchement de la crise cardiaque.
A ce jour, il n’existe aucun test prédictif de crise cardiaque : lorsqu'un patient se présente à l'hôpital avec une douleur à la poitrine, l'un des premiers examens pratiqués est l’angiographie coronarienne, une analyse des artères coronaires permettant d’identifier d’éventuels segments rétrécis ou bloqués. S'il n'y a pas de rétrécissement significatif de l'artère, ce qui est le cas dans 75% des scans, les patients peuvent rentrer chez eux. Cependant, parmi ces patients, certains développeront un événement cardiaque, plus tard dans la vie. A ce jour en effet, aucune méthode utilisée couramment en pratique clinique ne permet de repérer tous les signaux d'alarme sous-jacents d'une future crise cardiaque.
La technologie mise au point à l'aide de l’intelligence artificielle (IA) et précisément l'apprentissage automatique détecte les signaux d’alarme biologiques dans l’espace périvasculaire tapissant les vaisseaux sanguins qui alimentent le cœur. Elle identifie ainsi l'inflammation, les lésions et les cicatrices et les modifications de ces vaisseaux sanguins, autant d’indicateurs d'une crise cardiaque future. Dans cette étude, l’équipe du Pr Charalambos Antoniades a d'abord analysé les biopsies de graisse de 167 patients subissant une chirurgie cardiaque. Ils ont analysé l'expression des gènes associés à l'inflammation, aux cicatrices et à la formation de nouveaux vaisseaux sanguins, puis ont pu préciser les caractéristiques les plus spécifiques de la graisse périvasculaire. Ensuite, l’équipe a comparé les scans de 101 patients, victimes d’une crise cardiaque ou de décès de cause cardiovasculaire moins de 5 ans après avec ceux de témoins appariés exempts de crise cardiaque durant ces 5 années. À l'aide de l'apprentissage automatique, ils ont pu développer une empreinte de la graisse périvasculaire caractéristique du niveau de risque. Et plus les données sont nombreuses, plus l'empreinte devient précise, écrivent les chercheurs.
Les performances de cette empreinte digitale périvasculaire ont été testées chez 1.575 participants de l’étude SCOT-HEART. Ce test confirmer la viabilité de cette signature dans la prédiction des crises cardiaques, et bien au-delà de ce que l’on peut actuellement obtenir avec les examens actuellement utilisés en pratique clinique. C’est l’espoir qu’un plus grand nombre de patients puissent éviter « la crise ». La technologie devrait être mise à disposition des professionnels de santé dans les 2 prochaines années.
On retiendra donc que ce n’est pas parce que le scan de l’artère coronaire n’identifie pas de rétrécissement, que le patient est à l’abri d’une crise cardiaque.
Cette recherche illustre parfaitement comment la technologie d'apprentissage automatique peut révolutionner le diagnostic en identifiant des données biologiques sous-jacentes supplémentaires.
Source: European Heart Journal 03 September 2019 DOI : 10.1093/eurheartj/ehz592 A novel machine learning-derived radiotranscriptomic signature of perivascular fat improves cardiac risk prediction using coronary CT angiography
Plus sur Diagnostic Blog
