Selon une étude publiée dans JACC : Interventions cardiovasculaires et présenté simultanément au TCT 2025 à San Francisco.
L'infarctus du myocarde avec élévation du segment ST (STEMI) est un type grave de crise cardiaque dans lequel une artère coronaire majeure est bloquée, empêchant le flux sanguin vers le muscle cardiaque. La restauration rapide du flux sanguin, ou reperfusion, par intervention coronarienne percutanée est la norme de soins ; cependant, des retards dans l'atteinte du délai de reperfusion recommandé par les lignes directrices persistent, en particulier dans les hôpitaux et les centres non spécialisés dans l'ICP et dans les zones rurales. Un délai de reperfusion supérieur à 90 minutes est associé à des taux de mortalité trois fois plus élevés.
« L'interprétation ECG basée sur l'IA peut apporter le meilleur des deux mondes : identifier rapidement les véritables crises cardiaques tout en réduisant les activations inutiles », a déclaré Robert Herman, MD, PhD, auteur principal de l'étude et chercheur en cardiologie à l'hôpital AZORG d'Alost, en Belgique.
Améliorer la précision du triage dès le premier contact médical peut rationaliser les soins d'urgence, réduire la fatigue et la tension sur les équipes cliniques et garantir que les patients qui ont réellement besoin d'une intervention urgente la reçoivent sans délai.
Robert Herman, chercheur en cardiologie, hôpital AZORG
Dans l’une des premières grandes évaluations réelles d’un modèle ECG basé sur l’IA pour le triage STEMI en situation d’urgence, les chercheurs ont examiné rétrospectivement 1 032 patients suspectés de STEMI qui ont déclenché des protocoles de reperfusion d’urgence. Les données provenaient de trois centres PCI primaires géographiquement divers entre janvier 2020 et mai 2024. L'ECG initial de chaque patient a été analysé par le modèle ECG STEMI AI (Reine de cœur) formé pour détecter l'occlusion coronarienne aiguë, y compris les équivalents STEMI et différencier les mimiques bénignes.
L'angiographie et les biomarqueurs ont confirmé que 601 (58 %) étaient des STEMI et 431 (42 %) étaient des faux positifs. Le modèle AI ECG a fait mieux que le triage standard, détectant 553 des 601 STEMI confirmés contre 427 détectés par le triage standard sur l'ECG initial. L'AI ECG présentait un taux de faux positifs de 7,9 % contre 41,8 % pour le triage standard, ce qui représente une réduction de cinq fois.
« Ces résultats indiquent que le diagnostic STEMI amélioré par l'IA dès le premier contact médical a le potentiel de raccourcir le délai de traitement et de réduire les fausses activations », a déclaré Timothy D. Henry, MD, FACC, auteur principal de l'étude, chaire distinguée de la famille Carl et Edyth Lindner en recherche clinique et directeur médical du centre Carl et Edyth Lindner pour la recherche et l'éducation à l'hôpital Christ de Cincinnati. « Cette technologie peut être particulièrement utile pour optimiser le transfert des patients STEMI depuis des centres non PCI afin de garantir des soins opportuns et appropriés.
Dans un commentaire éditorial d'accompagnement, Mohamad Alkhouli, MD, MBA, cardiologue à la clinique Mayo, a déclaré que les chercheurs devraient être « félicités pour avoir développé un modèle opérationnel d'IA visant à aborder l'un des aspects les plus complexes et les plus sujets aux erreurs de la pratique de la cardiologie interventionnelle : l'activation STEMI ».
Cependant, il a souligné que le modèle d'IA utilisé dans l'étude doit être interprété avec prudence, car il a été développé à l'origine pour détecter les artères obstruées plutôt que les STEMI et nécessite une validation prospective plus approfondie auprès de diverses populations de patients.
« Le véritable défi n'est pas seulement la preuve de l'exactitude, mais aussi la volonté d'intégrer, de réglementer et d'interpréter l'IA comme un complément au jugement humain, en particulier dans les contextes cliniques à enjeux élevés et sensibles au facteur temps », a déclaré Alkhouli.
