Selon une nouvelle étude, l’application de techniques d’intelligence artificielle aux données d’échographie cardiaque pourrait faciliter l’identification des patients souffrant d’insuffisance cardiaque avancée. L'étude, dirigée par des chercheurs de Weill Cornell Medicine, Cornell Tech, Cornell Ann S. Bowers College of Computing and Information Science, Columbia University Vagelos College of Physicians and Surgeons et NewYork-Presbyterian, offre la perspective de meilleurs soins pour plusieurs milliers de patients qui peuvent être négligés en raison de la difficulté de diagnostiquer leur état.
L'insuffisance cardiaque avancée est actuellement détectée grâce aux tests d'effort cardio-pulmonaire (CPET), qui nécessitent un équipement spécialisé et un personnel qualifié et qui ne sont généralement disponibles que dans les grands centres médicaux. En partie à cause de ce goulot d'étranglement diagnostique, seules quelques-unes des 200 000 personnes souffrant d'insuffisance cardiaque avancée aux États-Unis reçoivent des soins appropriés chaque année. Dans la nouvelle étude, publiée le 3 mars dans npj Digital Medicine, les chercheurs ont testé une nouvelle méthode basée sur l'IA qui pourrait éliminer ce goulot d'étranglement. La nouvelle méthode prédit avec une grande précision la mesure CPET la plus importante, la consommation maximale d'oxygène (pic VO2), en utilisant des images échographiques beaucoup plus faciles à obtenir du cœur du patient ainsi que les dossiers de santé électroniques du patient.
Ceci ouvre une voie prometteuse pour une évaluation plus efficace des patients atteints d'insuffisance cardiaque avancée à l'aide de sources de données déjà intégrées aux soins de routine.
M. Fei Wang, auteur principal d'étude, doyen associé pour l'IA et la science des données et professeur Frances et John L. Loeb d'informatique médicale à Weill Cornell Medicine
L'étude était hautement collaborative, impliquant non seulement l'équipe d'experts en informatique et en IA du Dr Wang, mais également des groupes dirigés par le Dr Deborah Estrin, doyenne associée pour l'impact chez Cornell Tech ; et du côté clinique, le Dr Nir Uriel, directeur de l'insuffisance cardiaque avancée et de la transplantation cardiaque au NewYork-Presbyterian.
Réaliser la promesse de l’IA dans les soins de l’insuffisance cardiaque
L'article de revue est le premier à émerger de la Cardiovascular AI Initiative, un vaste effort de Cornell, Columbia et NewYork-Presbyterian pour explorer l'utilisation de l'IA pour améliorer le diagnostic et la gestion de l'insuffisance cardiaque. Les progrès récents de l'IA ont permis non seulement des applications populaires destinées aux consommateurs et aux entreprises, mais également des modèles d'apprentissage automatique formés pour détecter des modèles liés à la maladie dans des données médicales textuelles et images.
« Au départ, nous avons constitué un groupe de plus de 40 spécialistes de l'insuffisance cardiaque et leur avons demandé de nous dire où, selon eux, l'IA pourrait être appliquée au mieux », a déclaré le Dr Uriel, qui est également professeur Seymour, Paul et Gloria Milstein de cardiologie au Département de médecine du Vagelos College of Physicians and Surgeons de l'Université Columbia et professeur adjoint de médecine à la Division de cardiologie de Greenberg à Weill Cornell Medicine.
L’utilisation de l’IA sur les données d’échographie cardiaque pour aider à identifier les patients atteints d’insuffisance cardiaque avancée semblait être l’une des applications les plus prometteuses. Le Dr Uriel a ensuite contacté des experts en IA de Cornell Tech, Cornell Bowers et Weill Cornell Medicine, qui ont développé le nouveau modèle d'apprentissage automatique au cours de plusieurs années de collaboration.
« L'interaction étroite entre les cliniciens et les chercheurs en IA sur ce projet a fini par conduire au développement de nouvelles techniques d'IA qui n'auraient pas été explorées autrement », a déclaré le Dr Estrin, professeur d'informatique Robert V. Tishman '37 à Cornell Tech, professeur à Cornell Bowers et professeur de sciences de la santé des populations à Weill Cornell Medicine. « Il s'agissait donc d'un cas où la médecine façonnait l'avenir de l'IA, et pas seulement l'IA façonnant l'avenir de la médecine. »
L'équipe d'IA dirigée par le Dr Wang, comprenant les auteurs principaux, le Dr Zhe Huang et le Dr Weishen Pan, ainsi que des étudiants et des professeurs de Cornell Bowers, a développé un modèle d'apprentissage automatique multimodal et multi-instance capable de traiter plusieurs types de données distincts, notamment des images échographiques en mouvement ordinaires du cœur, des images de forme d'onde associées affichant la dynamique des valvules cardiaques et le flux sanguin, ainsi que divers éléments trouvés dans les dossiers de santé électroniques.
Le modèle a été formé sur des données anonymisées provenant de 1 000 patients souffrant d’insuffisance cardiaque vus au NewYork-Presbyterian/Columbia University Irving Medical Center. Une fois formé, le modèle a ensuite été chargé de prédire le pic de VO2, déterminant ainsi le statut à haut risque, pour un nouvel ensemble de 127 patients souffrant d'insuffisance cardiaque provenant de trois autres campus presbytériens de New York.
Les résultats étaient meilleurs que tous ceux rapportés auparavant pour la prédiction du pic VO2 basée sur l’IA. Pour les outils destinés à distinguer les patients à haut risque des autres patients, les chercheurs ont utilisé une mesure liée à la probabilité qu'un patient à haut risque choisi au hasard dans l'échantillon ait un risque prédit plus élevé qu'un patient à faible risque choisi au hasard. Ce chiffre dans ce cas indique une précision globale d’environ 85 %, ce qui suggère qu’il sera utile en milieu clinique.
L'équipe a déjà commencé à planifier des études cliniques sur la nouvelle approche, qui seraient nécessaires pour l'approbation de la Food and Drug Administration des États-Unis et son adoption clinique de routine.
« Si nous pouvons utiliser cette approche pour identifier de nombreux patients atteints d'insuffisance cardiaque avancée qui ne seraient pas identifiés autrement, cela changera notre pratique clinique et améliorera considérablement les résultats et la qualité de vie des patients », a déclaré le Dr Uriel.
