L’intelligence artificielle (IA) a permis à cette équipe de l’University College London (UCL) d’identifier 5 types d'insuffisance cardiaque. Cette progression dans la compréhension et la caractérisation de l’insuffisance cardiaque, cause de crise cardiaque, documentée dans le Lancet Digital Health, va permettre une meilleure détection et une prise en charge mieux personnalisée de la condition.
L'insuffisance cardiaque est définie par l'incapacité du cœur à pomper correctement le sang dans tout le corps. Les méthodes actuelles de classification de l'insuffisance cardiaque ne prédisent pas avec précision comment la maladie est susceptible de progresser. Ces sous-types d'insuffisance cardiaque vont en effet pouvoir être utilisés pour prédire le risque futur de progression vers un événement cardiovasculaire.
L'étude a examiné les données détaillées et anonymisées de plus de 300.000 participants âgés de 30 ans ou plus ayant reçu un diagnostic d'insuffisance cardiaque sur une période de 20 ans. À l'aide de plusieurs méthodes d'apprentissage automatique, les chercheurs ont pu ainsi caractériser 5 sous-types :
- début précoce,
- début tardif,
- liée à la fibrillation auriculaire (ou rythme cardiaque irrégulier),
- métabolique (liée à l'obésité mais avec un faible taux de maladies cardiovasculaires),
- cardiométabolique (liée à l'obésité et aux maladies cardiovasculaires).
Les sous-types ont été établis sur la base de 87 facteurs (sur 635 possibles), dont l'âge, les symptômes, la présence de comorbidités, les médicaments et les résultats de santé. L'équipe a enfin examiné les données génétiques de 9.573 personnes souffrant d'insuffisance cardiaque référencées dans la UK Biobank et identifié un lien entre des sous-types particuliers d'insuffisance cardiaque et des scores de risque polygénique plus élevés (scores de risque global dus aux gènes dans leur ensemble) pour des conditions telles que l'hypertension et la fibrillation auriculaire.
A chaque sous-type d’insuffisance cardiaque est associé un niveau de risque de décès
En d’autres termes, ces sous-types ont des pronostics différents, d’où l’importance de pouvoir les identifier. Ainsi, pour chacun des sous-types, le risque de décès dans l'année suivant le diagnostic est respectivement de 20 %, 46 %, 61 %, 11 % et 37 %.
Une application de caractérisation : l’équipe a en effet pu développer une application qui peut aider les cliniciens à préciser le type d’insuffisance cardiaque d’un patient, ce qui permet de mieux prévoir la progression de la maladie et éclairer les décisions de traitements. Le Dr Amitava Banerjee, chercheur à l’UCL Institute of Health Informatics, commente l’étude : « l’étude permet d’améliorer la façon dont on peut classer l'insuffisance cardiaque, de mieux prévoir son évolution probable et de mieux communiquer aussi avec nos patients. Actuellement, la progression de la maladie est difficile à prévoir et on ignore le plus souvent quels sont les patients qui vont rester stables pendant de nombreuses années et quels sont ceux dont la santé cardiaque va se détériorer rapidement ».
Vers des traitements plus ciblés : il est clair que pouvoir affiner le pronostic permet aussi de mieux prendre en charge et de manière plus précoce. Un bilan sera réalisé, dans quelques années pour vérifier si cette façon de caractériser l'insuffisance cardiaque fait une différence en pratique clinique, si elle améliore les prévisions de risque et la qualité des informations fournies par les médecins à leurs patients, et si, finalement, elle modifie les traitements.
L'application sera donc évaluée dans le cadre de futurs essais cliniques.
Source: The Lancet Digital Health 26 May, 2023 DOI: 10.1016/S2589-7500(23)00065-1 Identifying subtypes of heart failure from three electronic health record sources with machine learning: an external, prognostic, and genetic validation study
Plus sur l’Insuffisance cardiaque
