Un nouvel outil d'intelligence artificielle fait bien mieux que les approches standard pour détecter les crises cardiaques. Le nouveau système diagnostique développé à l’Université de Pittsburgh, basé sur l’apprentissage automatique et les lectures d'électrocardiogramme (ECG), permet en effet de diagnostiquer et de caractériser les crises cardiaques plus rapidement et plus précisément que les approches standards actuelles, conclut cette analyse publiée dans la revue Nature Medicine.
C’est une nouvelle illustration du potentiel de l’IA en médecine particulièrement légitime, dans la mesure où « lorsqu'un patient arrive aux Urgences avec des douleurs thoraciques, la première question à se poser est si le patient fait une crise cardiaque ou non. La réponse à cette question qui peut sembler simple n’est pas toujours claire à l'ECG et cela peut prendre jusqu'à 24 heures pour effectuer les tests supplémentaires alors nécessaires », explique l'auteur principal Salah Al-Zaiti, professeur agrégé de médecine d'urgence et de cardiologie à l'École de médecine de Pittsburgh.
Relever le défi majeur du diagnostic précis et rapide de la crise cardiaque
Parmi les pics et les creux d'un électrocardiogramme, les cliniciens peuvent facilement reconnaître un schéma distinct qui indique le type de crise cardiaque appelé STEMI. Ces épisodes graves sont causés par le blocage total d'une artère coronaire et nécessitent une intervention immédiate pour rétablir le flux sanguin.
Cependant, près des 2 tiers des crises cardiaques sont causées par un blocage sévère, mais le schéma révélateur n’apparait pas à l’ECG.
Le nouvel outil aide à détecter des indices subtils dans l'ECG qui sont difficiles à repérer pour les cliniciens mais permettent cette classification. Développé à partir des données d’ECG de 4.026 patients souffrant de douleurs thoraciques, pris en charge dans 3 hôpitaux de Pittsburgh, le modèle a ensuite été validé auprès de 3.287 patients pris en charge dans un autre système hospitalier.
Comparé à 3 protocoles standards pour évaluer ces événements cardiaques, soit l'interprétation de l'ECG par un clinicien expérimenté, les algorithmes « commerciaux » d'ECG et le score HEART, qui prend en compte les antécédents et un certain nombre de signes cliniques et de facteurs de risque, le modèle avec IA surpasse les 3 méthodes standards et permet de caractériser avec précision 1 patient sur 3 souffrant de douleurs thoraciques.
Ainsi, ce nouveau mode diagnostique basé sur l’apprentissage automatique basé apporte ses premières preuves de concept et pourra bientôt aider les personnels des services d'urgence à identifier les patients qui subissent une crise cardiaque et dont le flux sanguin est réduit.
Lors d’une prochaine étape, l'équipe va plugger le système sur le cloud des centres de gestion hospitaliers qui reçoivent les lectures ECG, ce qui permettra de les analyser, de renvoyer l’évaluation en temps réel afin de guider au mieux les décisions médicales.
Source: Nature Medicine 29 June, 2023 DOI: 10.1038/s41591-023-02396-3 Machine learning for ECG diagnosis and risk stratification of occlusion myocardial infarction
Plus sur l’IA en santé
