Un nouveau modèle d'IA est bien meilleur que les médecins d'identification des patients susceptibles de subir un arrêt cardiaque.
L'épandoue est la capacité du système à analyser l'imagerie cardiaque sous-utilisée, aux côtés d'un spectre complet de dossiers médicaux, pour révéler des informations précédemment cachées sur la santé cardiaque d'un patient.
Le travail financé par le gouvernement fédéral, dirigé par des chercheurs de l'Université Johns Hopkins, pourrait sauver de nombreuses vies et également épargner de nombreuses personnes interventions médicales inutiles, y compris l'implantation de défibrillateurs inutiles.
« Actuellement, nous avons des patients qui meurent dans le cadre de leur vie parce qu'ils ne sont pas protégés et d'autres qui supportent les défibrillateurs pour le reste de leur vie sans avantage », a déclaré l'auteur principal Natalia Trayanova, un chercheur axé sur l'utilisation de l'intelligence artificielle en cardiologie. « Nous avons la capacité de prédire avec une précision très élevée, si un patient est à très haut risque de mort cardiaque soudaine ou non. »
Les résultats sont publiés aujourd'hui dans Recherche cardiovasculaire de la nature.
La cardiomyopathie hypertrophique est l'une des maladies cardiaques héritées les plus courantes, affectant une personne sur 200 à 500 dans le monde, et est une cause principale de mort cardiaque soudaine chez les jeunes et les athlètes.
De nombreux patients atteints de cardiomyopathie hypertrophique vivront une vie normale, mais un pourcentage présente un risque significatif accru de décès cardiaque soudain. Il a été presque impossible pour les médecins de déterminer qui sont ces patients.
Les directives cliniques actuelles utilisées par les médecins des États-Unis et de l'Europe pour identifier les patients le plus à risque de crises cardiaques mortelles ont environ 50% de chances d'identifier les bons patients, « pas beaucoup mieux que de lancer des dés », explique Trayanova.
Le modèle de l'équipe a considérablement surpassé les directives cliniques dans toutes les données démographiques.
L'IA multimodale pour la stratification du risque de l'arythmie ventriculaire (MAARS) prédit le risque individuel des patients pour la mort cardiaque soudaine en analysant une variété de données et de dossiers médicaux et, pour la première fois, d'explorer toutes les informations contenues dans les images IRM améliorées contrastées du cœur du patient.
Les personnes atteintes de cardiomyopathie hypertrophique développent une fibrose ou des cicatrices à travers leur cœur et ce sont les cicatrices qui élèvent leur risque de mort cardiaque soudaine. Bien que les médecins n'aient pas pu donner un sens aux images IRM brutes, le modèle d'IA s'est concentré sur les modèles de cicatrices critiques.
Les gens n'ont pas utilisé d'apprentissage en profondeur sur ces images. Nous sommes en mesure d'extraire ces informations cachées dans les images qui ne sont généralement pas prises en compte. «
Natalia Trayanova, auteur principal
L'équipe a testé le modèle contre de vrais patients traités avec les directives cliniques traditionnelles à l'hôpital Johns Hopkins et au Sanger Heart & Vascular Institute en Caroline du Nord.
Par rapport aux directives cliniques qui étaient précises vers la moitié du temps, le modèle d'IA était précis à 89% chez tous les patients et, de manière critique, à 93% pour les personnes de 40 à 60 ans, la population parmi les patients cardiomyopathie hypertrophique les plus à risque pour la mort cardiaque soudaine.
Le modèle d'IA peut également décrire pourquoi les patients sont à haut risque afin que les médecins puissent adapter un plan médical pour répondre à leurs besoins spécifiques.
« Notre étude démontre que le modèle d'IA améliore considérablement notre capacité à prédire ceux qui sont les plus à risque par rapport à nos algorithmes actuels et ont donc le pouvoir de transformer les soins cliniques », explique le co-auteur Jonathan Crispin, cardiologue Johns Hopkins.
En 2022, l'équipe de Trayanova a créé un modèle d'IA multimodal différent qui a offert une évaluation de survie personnalisée pour les patients atteints d'infarctus, prédisant si et quand quelqu'un mourrait d'un arrêt cardiaque.
L'équipe prévoit de tester davantage le nouveau modèle sur davantage de patients et d'étendre le nouvel algorithme à utiliser avec d'autres types de maladies cardiaques, notamment la sarcoïdose cardiaque et la cardiomyopathie ventriculaire droite arythmogène.
Les auteurs incluent Changxin Lai, Minglang Yin, Eugene G. Kholmovski, Dan M. Popescu, Edem Binka, Stefan L. Zimmerman, Allison G. Hays, tous de Johns Hopkins; Dai-yin Lu et M. Roselle Abraham du Centre d'excellence de la cardiomyopathie hypertrophique à l'Université de Californie San Francisco; et Erica Scherer et Dermot M. Phelan de la santé de l'atrium.
