Une nouvelle technique basée sur l’intelligence artificielle développée par des chercheurs de l’Université Johns Hopkins pourrait prédire si et quand un patient pourrait mourir d’un arrêt cardiaque. Selon l’université, la technologie formée sur des images brutes du cœur et des antécédents des patients malades améliore les prédictions des médecins et pourrait potentiellement révolutionner la prise de décision clinique et augmenter les chances de survie des patients souffrant d’arythmies cardiaques soudaines et mortelles.
Les chercheurs ont documenté leurs découvertes dans un article intitulé « Prédiction de la survie à la mort subite arythmique à l’aide d’une analyse d’apprentissage en profondeur des cicatrices dans le cœur » publié dans Nature Cardiovascular Research.
« La mort cardiaque subite causée par l’arythmie représente jusqu’à 20% de tous les décès dans le monde et nous savons peu de choses sur pourquoi cela se produit ou comment savoir qui est à risque », a déclaré Natalia Trayanova, auteur principal de l’article, dans un communiqué de presse universitaire. . Trayanoya est professeur de génie biomédical et de médecine à l’université.
« Il y a des patients à faible risque de mort cardiaque subite qui reçoivent des défibrillateurs dont ils n’ont peut-être pas besoin, et il y a des patients à haut risque qui ne reçoivent pas le traitement dont ils ont besoin et qui pourraient mourir dans la fleur de l’âge. Ce que notre algorithme peut faire, c’est déterminer qui est à risque de mort cardiaque et quand cela se produira, permettant aux médecins de décider exactement ce qui doit être fait », a expliqué Trayanoya.
L’équipe de recherche a utilisé des réseaux de neurones pour construire une évaluation de la survie personnalisée pour chaque patient souffrant d’une maladie cardiaque. Ces évaluations peuvent prédire le risque de mort cardiaque subite sur 10 ans, et même quand cela est le plus susceptible de se produire.
La technologie d’apprentissage en profondeur a été nommée Étude de survie du risque d’arythmie cardiaque (SSCAR) en référence aux cicatrices cardiaques causées par les maladies cardiaques, qui entraînent souvent des arythmies. Les chercheurs ont utilisé des images cardiaques à contraste amélioré de centaines de vrais patients (avec des cicatrices cardiaques) à l’hôpital Johns Hopkins pour entraîner l’algorithme à détecter des modèles et des relations non visibles à l’œil nu.
Selon l’université, l’analyse d’image cardiaque clinique actuelle n’extrait que de simples caractéristiques de cicatrice comme le volume et la masse. Cela signifie qu’ils sous-utilisent gravement ce que le nouvel algorithme a démontré comme étant des données critiques.
Les chercheurs ont également formé un deuxième réseau de neurones pour apprendre à partir de 10 ans de données standard comprenant 22 facteurs tels que l’âge, le poids, la race et la consommation de médicaments sur ordonnance du patient.
L’université rapporte que les prédictions des algorithmes étaient nettement plus précises sur chaque mesure que les médecins et qu’elles ont été validées lors de tests avec une cohorte de patients distincte et indépendante de 60 centres de santé à travers les États-Unis.
Selon Trayanoya, ce concept d’apprentissage en profondeur pourrait être développé pour d’autres domaines de la médecine qui reposent sur le diagnostic visuel.