Bien que l’intelligence artificielle se soit déjà révélée prometteuse en médecine cardiovasculaire, la plupart des outils existants n’analysent qu’un seul type de données, comme les électrocardiogrammes ou les images cardiaques, ce qui limite leur utilité clinique. L’émergence de l’IA multimodale, qui fusionne les informations provenant de sources multiples, permet désormais aux algorithmes d’imiter le raisonnement holistique des cardiologues et de fournir des informations plus précises et spécifiques au patient.
L'examen, dirigé par l'hôpital de Chine occidentale de l'université du Sichuan et l'université de Copenhague, a examiné plus de 150 études récentes. Les auteurs démontrent que la combinaison de modalités complémentaires, par exemple l'échocardiographie et la tomodensitométrie, ou la résonance magnétique cardiaque et la génomique, améliore considérablement les performances diagnostiques. Un réseau neuronal basé sur un transformateur qui a fusionné des radiographies thoraciques avec des variables cliniques a identifié simultanément 25 pathologies critiques chez des patients en soins intensifs, atteignant une aire sous la courbe (ASC) moyenne de 0,77. Dans une autre étude, l’intégration de l’IRM cardiaque avec des données d’association à l’échelle du génome a révélé de nouveaux loci génétiques influençant la fonction valvulaire aortique, ouvrant ainsi la porte à des stratégies de prévention ciblées.
Au-delà du diagnostic, l’IA multimodale peut affiner la sélection du traitement. Les modèles d'apprentissage automatique intégrant l'imagerie, les résultats de laboratoire et l'historique des médicaments ont permis de prédire quels patients souffrant d'insuffisance cardiaque bénéficieraient d'une thérapie de resynchronisation cardiaque, distinguant ainsi les « super-répondeurs » des non-répondeurs. Des approches similaires ont identifié les patients peu susceptibles de bénéficier d'une réparation de la valvule mitrale, leur épargnant ainsi des procédures inutiles. La revue rapporte également des « biomarqueurs vidéo » dérivés de l'IA extraits d'échocardiogrammes de routine qui prédisent indépendamment la progression de la sténose aortique, permettant une stratification opportuniste du risque sans tests supplémentaires.
La surveillance continue à domicile constitue une autre frontière. Les algorithmes qui fusionnent les données des appareils portables, des applications pour smartphone et des dossiers de santé électroniques peuvent détecter une détérioration précoce et fournir un coaching automatisé, réduisant potentiellement les réadmissions à l'hôpital. Les auteurs estiment que l'adoption généralisée de l'IA multimodale actuelle pourrait réduire les dépenses en soins de santé cardiovasculaires de 5 à 10 % d'ici cinq ans grâce à une efficacité améliorée et à une diminution des complications.
Malgré cet optimisme, l’étude prévient que la qualité des données, les biais et la transparence algorithmique restent des obstacles majeurs. Les modèles formés sur des ensembles de données asymétriques fonctionnent mal sur les groupes ethniques ou socio-économiques sous-représentés, tandis que la nature « boîte noire » de l'apprentissage profond complique la confiance clinique. Les chercheurs appellent à une collecte de données standardisée, à des plateformes d’apprentissage fédérées et à des techniques d’IA explicable pour accélérer la traduction sûre en soins de routine.
