Les médecins pourraient bientôt être en mesure de diagnostiquer une forme insaisissable de maladie cardiaque en quelques secondes en utilisant un modèle d'IA développé à l'Université du Michigan, selon une étude récente.
Les chercheurs ont formé le modèle pour détecter un dysfonctionnement microvasculaire coronarien, une condition complexe qui nécessite des techniques d'imagerie avancées pour être diagnostiquée, à l'aide d'un électrocardiogramme commun.
Leur outil de prédiction a largement surpassé les modèles d’IA précédents dans presque toutes les tâches de diagnostic, y compris la prévision de la réserve de flux myocardique, la référence en matière de diagnostic du CMVD.
Les résultats sont publiés dans NEJM IAun journal mensuel du Journal de médecine de la Nouvelle-Angleterre famille.
Notre modèle crée un moyen pour les cliniciens d'identifier avec précision une condition notoirement difficile à diagnostiquer – et souvent manquée lors des visites aux urgences – à l'aide d'une bandelette ECG de 10 secondes.
Venkatesh L. Murthy, MD, Ph.D., auteur principal, chef associé de cardiologie pour la recherche translationnelle et l'innovation au centre cardiovasculaire Frankel de santé UM et professeur Melvyn Rubenfire de cardiologie préventive à la faculté de médecine de l'UM
Environ 14 millions de personnes se rendent chaque année aux urgences ou dans une clinique externe pour des douleurs thoraciques.
Contrairement à la maladie coronarienne, qui survient en raison d'un blocage des gros vaisseaux sanguins du cœur, la CMVD affecte les plus petits vaisseaux.
Il provoque également des douleurs thoraciques et augmente le risque de crise cardiaque, mais le diagnostic du CMVD nécessite des méthodes avancées telles que l'imagerie de perfusion myocardique TEP.
Comment fonctionne le modèle d'IA
Ces analyses de grande valeur sont à la fois coûteuses et rarement accessibles en dehors des centres spécialisés.
Les analyses disponibles limitées ont constitué un défi pour Murthy et son équipe de recherche alors qu'ils recherchaient des données sur lesquelles former leur modèle d'IA.
Ils ont résolu ce problème grâce à l'apprentissage auto-supervisé, ou SSL.
Ils ont commencé par pré-entraîner un modèle d’apprentissage profond appelé transformateur de vision sur plus de 800 000 formes d’onde ECG non étiquetées et l’ont peaufiné sur un ensemble de données étiquetées plus petites d’analyses TEP.
« Essentiellement, nous avons appris au modèle à » comprendre « le langage électrique du cœur sans surveillance humaine », a déclaré Murthy.
Une fois formés aux bases, les chercheurs ont appris au modèle à décomposer avec précision les données TEP avancées à l’aide de 12 tâches de prédiction démographique et clinique différentes, dont plusieurs qui ne sont pas possibles avec les modèles EKG-AI actuels.
Le modèle a non seulement réussi à prédire le CMVD dans différentes bases de données, mais il a également amélioré de manière constante la précision du diagnostic des tâches de prédiction pour des maladies cardiaques plus courantes par rapport aux modèles de pointe précédents.
Quatre des tâches de diagnostic utilisées par le modèle impliquent souvent des électrocardiogrammes pris lors d'épreuves d'effort.
Cependant, les résultats n’ont montré qu’une augmentation minime des performances lors de l’utilisation d’ECG d’effort par rapport aux ECG de repos.
L'avenir de l'IA cardiaque
Plusieurs groupes ont développé avec succès des outils d’IA pour interpréter les ECG en les formant sur de grandes bases de données d’ECG.
Ces modèles sont toutefois utilisés pour des tâches plus générales, telles que l’interprétation automatique du rythme cardiaque et la détection du dysfonctionnement systolique ventriculaire gauche.
En utilisant les données « de référence » moins accessibles des scans PET MPI pour former son modèle, l'équipe de Murthy pense qu'elle peut étendre la capacité d'un ECG à prédire une condition microvasculaire plus difficile à repérer comme le CMVD.
« Les personnes qui se présentent aux urgences pour des douleurs thoraciques peuvent souffrir de CMVD, mais leur angiographie apparaîtra comme » claire « », a déclaré le co-auteur Sascha N. Goonewardena, MD, professeur agrégé de médecine interne-cardiologie à la faculté de médecine de l'UM.
« Dans les hôpitaux aux ressources limitées ou dans les centres non spécialisés, l'utilisation de notre modèle EKG-AI pour prédire la réserve de flux myocardique et le CMVD sera un moyen simple, rentable et non invasif d'identifier quand un patient bénéficierait de tests avancés pour une maladie grave.
