On estime à 14 millions, le nombre de personnes âgées de plus de 65 ans qui seront atteintes de FA en Europe, en 2060. Avec, en cas de non détection et d'absence de traitement, un risque considérablement accru d'accident vasculaire cérébral (AVC), d'insuffisance cardiaque et autres troubles cardiovasculaires. Dépister de manière précoce la maladie permettrait de traiter plus tôt et de réduire cette « épidémie » et ses conséquences dramatiques. C’est la démarche entreprise par cette équipe de la Mayo Clinic, qui montre, dans le Lancet, tout l’apport possible de l’intelligence artificielle (IA) dans ce dépistage précis de la fibrillation auriculaire.
Avec l’intelligence artificielle, il est en effet possible de détecter les signes d’un rythme cardiaque irrégulier au cours d’un électrocardiogramme (ECG) même si le rythme du cœur est normal au moment d'un test. En d'autres termes, l'électrocardiogramme, couplé à l’IA peut détecter une fibrillation auriculaire récente encore sans symptômes ou imminente et permettre d’envisager plus tôt les options de traitement. Au final, cette recherche pourrait permettre d’améliorer significativement l'efficacité de l'ECG, dans le dépistage des maladies cardiaques.
L’intelligence artificielle détecte la FA non détectable à l’ECG
Bien que courante, la fibrillation auriculaire est souvent de manifestation fugace. Par conséquent, il est difficile de la diagnostiquer. La fibrillation auriculaire peut ainsi ne pas apparaître au cours d’un électrocardiogramme standard de 10 secondes et les patients eux-mêmes ignorent souvent sa présence. Les méthodes de surveillance prolongées, telles que les enregistreurs en boucle, nécessitent toute une procédure et sont coûteuses.
Connaître les antécédents de FA en cas d’événement cardiaque est un must : la précision et le délai sont des critères importants dans la pose du diagnostic de fibrillation auriculaire. Une FA non détectée peut provoquer un accident vasculaire cérébral (AVC), une insuffisance cardiaque et d'autres maladies cardiovasculaires. Savoir que le patient souffre de fibrillation auriculaire facilite le traitement direct aux anticoagulants, note l’auteur principal, le Dr Paul Friedman, directeur du département de médecine cardiovasculaire de la clinique Mayo : « Quand les patients arrivent avec un AVC, nous avons vraiment besoin de savoir s'ils ont eu une FA dans les jours précédant l'AVC, car cela oriente le traitement. Les anticoagulants sont très efficaces pour prévenir un autre accident vasculaire cérébral chez ces patients atteints de FA, en revanche, chez les patients exempts de FA l'utilisation d'un anticoagulant augmente le risque de saignement, et sans apporter de bénéfice substantiel ».
Un modèle de prédiction précis à 90% : les données numériques de 450.000 électrocardiogrammes ont permis de former l'IA à l'identification de différences subtiles, normalement indétectables, entre un électrocardiographe normal et un électrocardiogramme de cœur touché par la FA. Le modèle obtenu a ensuite été testé sur les électrocardiogrammes de 36.280 patients, dont 3 051 présentaient une fibrillation auriculaire. L'IA combinée à l’ECG a correctement identifié les schémas subtils de la FA avec une précision de 90%. En « gros », l’électrocardiogramme montre toujours l'activité électrique du cœur au moment du test et l'intelligence artificielle apporte des données en plus sur les signaux électriques invisibles que notre corps émet à chaque battement de cœur.
Si ce modèle était définitivement validé, l'ECG combiné à l'IA permettrait de prendre les bonnes décisions thérapeutiques, en particulier dans les maladies causées par une FA encore asymptomatique. De plus, la technologie utilisable via un smartphone ou une montre pourrait être accessible à grande échelle.
« Plutôt que de trouver une aiguille dans une botte de foin via une surveillance prolongée, l’IA permet en temps réel d’analyser toute la botte de foin et de voir si une aiguille y est cachée ».
Source : The Lancet August 01, 2019 DOI: 10.1016/S0140-6736(19)31721-0 An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction
Plus sur la FA
