Une IA détecte l'insuffisance cardiaque avec 100% de précision
Près de 10% des adultes de plus de 65 ans souffrent d’une forme d’insuffisance cardiaque congestive (CHF). Cette maladie peut avoir différentes causes, mais la principale cause résulte généralement de l’impossibilité pour le cœur de pomper suffisamment de sang dans l’organisme.
Une IA pour détecter l’insuffisance cardiaque congestive
Les rayons X, les analyses de sang et les échographies offrent aux cliniciens des moyens utiles pour diagnostiquer une CFH, mais l’une des méthodes les plus courantes consiste à utiliser des signaux d’électrocardiogramme (ECG) pour déterminer la variabilité du rythme cardiaque sur plusieurs minutes, pendant plusieurs jours. Une nouvelle approche a maintenant démontré qu’elle était possible de faire mieux, en utilisant un réseau de neurones à convolution (CNN) capable d’identifier le CHF presque instantanément en vérifiant les données ECG d’un seul battement de coeur.
«Nous avons formé et testé le modèle CNN sur de vastes ensembles de données ECG disponibles au public, comprenant des sujets atteints de CFH ainsi que des cœurs sains et non arythmiques», explique Sebastian Massaro, de l’Université de Surrey. «Notre modèle a fourni une précision de 100%: en ne vérifiant qu’un seul battement de coeur, nous sommes en mesure de détecter si une personne souffre d’insuffisance cardiaque. Notre modèle est également l’un des premiers à pouvoir identifier les caractéristiques morphologiques de l’ECG spécifiquement associées à la gravité de cette maladie. »
Une recherche ayant des limites
Comme le suggère Massaro, le système de l’équipe rapporte actuellement un taux de précision de 100%, mais cette recherche a ses limites. Car les données utilisées dans la présente étude ne comprenaient que les lectures d’ECG de patients atteints de CFH grave ou de sujets en bonne santé. Les chercheurs notent que les résultats ne sont peut-être pas aussi précis pour les patients atteints de CFH modéré. Par conséquent, il reste encore beaucoup à faire pour vérifier un large éventail de diagnostics de cette maladie avant que cette technologie ne soit déployée en pratique clinique.
Néanmoins, cette nouvelle technique s’ajoute à un certain nombre d’outils de diagnostic passionnants actuellement développés, basés sur l’IA, qui promettent une révolution dans les approches cliniques d’évaluation des données médicales. Plus récemment, une équipe de la clinique Mayo a formé un réseau de neurones afin d’identifier les patients souffrant de dysfonctionnement ventriculaire gauche asymptomatique – qui est un précurseur de l’insuffisance cardiaque mais qui est aussi difficile à détecter par les cliniciens – en utilisant seulement 10 secondes de données ECG.
Des dispositifs vestimentaires qui détecteraient une CFH
Plus intéressant encore, il est possible que des dispositifs de surveillance de la santé portables permettent aux médecins d’identifier les patients à risque sans avoir à les examiner dans des contextes cliniques. Massaro et son équipe suggèrent que leur travail, utilisant de courts enregistrements d’ECG pour détecter une CFH, pourrait ouvrir la voie à des dispositifs vestimentaires destinés à la santé qui surveilleraient en permanence les patients dans des conditions réelles.
« Il s’agit d’un résultat important car, avec la disponibilité croissante de dispositifs portables capturant des enregistrements d’ECG provisoires (par exemple, des montres intelligentes), une détection et une prévision précises d’une CFH pourraient bientôt être effectuées au moyen d’appareils que les gens porteront dans des situations quotidiennes », concluent les chercheurs.
Cette nouvelle recherche a été publiée dans Biomedical Signal Processing and Control.
Source : University of Surrey
Crédit photo : Pixabay