Comment détecter les maladies du système cardiovasculaire avant l’apparition des symptômes ? Des chercheurs de l’Université technique de Graz (TU Graz) ont trouvé un moyen de les détecter à un stade précoce.
Les maladies cardiovasculaires comptent parmi les causes de décès les plus fréquentes dans le monde. Elles ne sont souvent découvertes que lorsque les symptômes sont déjà apparus et que la maladie est déjà relativement avancée. Au lieu d'un traitement médicamenteux, une intervention chirurgicale est alors généralement nécessaire. Au cours de leur thèse de doctorat dans le cadre du projet « Mécanique, modélisation et simulation de la dissection aortique » dirigé par Gerhard Holzapfel à la TU Graz, Sascha Ranftl de l'Institut de physique théorique et computationnelle et Vahid Badeli de l'Institut des principes fondamentaux et de la théorie de l'électrotechnique de la TU Graz ont trouvé un moyen d'améliorer et d'accélérer la détection précoce de ces maladies sans avoir recours à des méthodes de diagnostic coûteuses telles que l'IRM ou la tomodensitométrie. Grâce à un jumeau numérique des personnes concernées, ils peuvent également examiner les maladies de manière plus approfondie. Cela peut soulager les patients et les médecins ainsi que les établissements de santé. Ils ont déjà déposé un brevet pour leur méthode et la mettent maintenant sur le marché dans la spin-off de la TU Graz « arterioscope ».
Champs électriques influencés
Le principe de base est que toute maladie qui modifie la mécanique cardiovasculaire modifie également d'une certaine manière le champ électrique appliqué de l'extérieur. Cela s'applique à l'artériosclérose, à la dissection aortique, aux anévrismes, aux malformations des valves cardiaques, etc.
Sascha Ranftl, Institut de physique théorique et computationnelle
Les chercheurs peuvent utiliser des signaux électriques, de bioimpédance ou optiques normaux, provenant par exemple d'un ECG, d'un PPG ou d'une montre connectée, qu'ils analysent à l'aide d'un modèle d'apprentissage automatique qu'ils ont développé eux-mêmes et qui reconnaît les maladies potentielles à partir des signaux. Le modèle indique en même temps la probabilité qu'une maladie particulière soit réellement présente. Le modèle d'apprentissage automatique a été formé à l'aide de données cliniques réelles de bioimpédance et de valeurs issues de simulations du système cardiovasculaire. En raison des nombreux paramètres qui jouent un rôle dans le système cardiovasculaire et des nombreuses simulations nécessaires pour un résultat statistiquement significatif, l'apprentissage automatique permet d'obtenir des résultats avec une précision de plus de 90 % dans un délai raisonnable. Un autre avantage de l'analyse par apprentissage automatique est qu'il reconnaît également des changements que même les médecins expérimentés ne seraient pas en mesure de détecter à l'œil nu à partir des données ECG.
Cette méthode permet par exemple de déterminer le degré de rigidification artérielle. Si les artères deviennent de plus en plus rigides, il s’agit généralement d’un stade préliminaire de dissection aortique et donc d’un signal d’alarme prématuré. Une fois qu’un changement à risque a été identifié, les données de diagnostic peuvent être utilisées pour créer un modèle de simulation multiphysique sous la forme d’un jumeau numérique, qui prédit également l’évolution ultérieure de la maladie. Les médecins peuvent ainsi procéder à une analyse plus approfondie. Dans l’arterioscope, une spin-off de la TU Graz, Sascha Ranftl et Vahid Badeli développent actuellement cette technologie en collaboration avec des partenaires du secteur de la santé afin d’améliorer la précision de leurs algorithmes actuels et de les étendre et de les adapter à la pratique clinique.
Interaction entre la physique et l'électrotechnique
Le point de départ de ce développement est le travail interdisciplinaire avec leurs collègues du projet principal et le fait que leurs deux spécialités se complètent parfaitement : Sascha Ranftl est physicien et Vahid Badeli est ingénieur électricien. Grâce à leurs connaissances communes et aux résultats du projet principal, ils ont pu analyser le lien entre les variations des champs électriques appliqués de l'extérieur – par exemple par des électrodes de détection – et la mécanique du système cardiovasculaire, de manière à pouvoir tirer des conclusions précises sur les modifications potentiellement négatives du système cardiovasculaire.
« Il existe de nombreuses informations qui peuvent être collectées à l’extérieur du corps sans trop d’efforts », explique Vahid Badeli. « Jusqu’à présent, il était difficile de déterminer exactement ce que ces informations signifient. Mais grâce à nos modèles informatiques et à l’aide de l’apprentissage automatique, nous pouvons mieux les comprendre et trouver des corrélations. » Cela permettra de traiter les patients plus tôt, lorsque, par exemple, un traitement médicamenteux est possible au lieu d’une intervention chirurgicale.
