Les maladies coronariennes sont la principale cause de décès chez les adultes dans le monde. La procédure d’angiographie coronarienne fournit l’évaluation diagnostique clinique standard pour presque toutes les décisions cliniques connexes, des médicaments à la chirurgie de pontage coronarien. Dans de nombreux cas, la quantification de la fraction d’éjection ventriculaire gauche (FEVG) au moment de la coronarographie est essentielle pour optimiser la prise de décision clinique et les décisions de traitement, en particulier lorsque l’angiographie est réalisée pour des syndromes coronariens aigus (SCA) potentiellement mortels.
Étant donné que le ventricule gauche est le centre de pompage du cœur, la mesure de la fraction d’éjection dans la chambre fournit des informations essentielles sur le pourcentage de sang quittant le cœur chaque fois qu’il se contracte. Actuellement, la mesure de la FEVG pendant l’angiographie nécessite une procédure invasive supplémentaire appelée ventriculographie gauche – où un cathéter est inséré dans le ventricule gauche et un colorant de contraste est injecté – qui comporte des risques supplémentaires et augmente l’exposition au contraste.
Dans une étude publiée le 10 mai dans JAMA Cardiologie, l’auteur principal et cardiologue de l’UCSF Geoff Tison, MD, MPH, et le premier auteur Robert Avram, MD, de l’Institut de cardiologie de Montréal, ont cherché à déterminer si les réseaux de neurones profonds (DNN), une catégorie d’algorithmes d’IA, pouvaient être utilisés pour prédire fonctionnement de la pompe cardiaque (contractile) à partir de vidéos d’angiographie standard. Ils ont développé et testé un DNN appelé CathEF, pour estimer la FEVG à partir d’angiographies coronariennes du côté gauche du cœur.
CathEF propose une nouvelle approche qui exploite les données qui sont régulièrement collectées lors de chaque angiographie pour fournir des informations qui ne sont pas actuellement disponibles pour les cliniciens pendant l’angiographie, élargissant efficacement l’utilité des données médicales avec l’IA et fournissant des informations FEVG en temps réel qui éclairent la prise de décision clinique . »
Geoff Tison, professeur agrégé de médecine et de cardiologie à l’UCSF
Les chercheurs ont réalisé une étude transversale de 4042 angiogrammes adultes appariés aux échocardiogrammes transthoraciques (TTE) correspondants de 3679 patients UCSF et ont formé un réseau neuronal vidéo pour estimer la FEVG réduite (inférieure ou égale à 40%) et pour prédire (continu ) Pourcentage de FEVG à partir de vidéos d’angiographie standard de l’artère coronaire gauche.
Les résultats ont montré que CathEF prédisait avec précision la FEVG, avec de fortes corrélations avec les mesures échocardiographiques de la FEVG, l’approche clinique non invasive standard. Le modèle a également été validé en externe dans des angiographies du monde réel de l’Institut de cardiologie d’Ottawa. L’algorithme a bien fonctionné dans différentes données démographiques et conditions cliniques de patients, y compris les syndromes coronariens aigus et divers niveaux de fonction rénale ; les populations de patients qui peuvent être moins bien adaptées pour recevoir la procédure standard de ventriculographie gauche.
« Cette étude présente une nouvelle méthode pour évaluer la FEVG, une mesure importante de la fonction cardiaque, lors de toute angiographie coronarienne de routine sans nécessiter de procédures supplémentaires ni augmenter les coûts », a déclaré Avram, cardiologue interventionnel et ancien chercheur à l’UCSF. « La LVEF est essentielle pour prendre des décisions pendant la procédure et pour gérer les soins aux patients. »
Bien que l’algorithme ait été formé sur un grand ensemble de données d’angiogrammes de l’UCSF, puis validé séparément dans un ensemble de données de l’Institut de cardiologie d’Ottawa, les chercheurs entreprennent d’autres recherches pour tester cet algorithme au point de service et déterminer son impact sur le clinique flux de travail chez les patients souffrant de crises cardiaques. À cette fin, une étude de validation prospective multicentrique chez des patients atteints de SCA est en cours pour comparer les performances du CathEF et du ventriculogramme gauche avec les TTE réalisés dans les 7 jours suivant le SCA.
« Ce travail démontre que la technologie de l’IA a le potentiel de réduire le besoin de tests invasifs et d’améliorer les capacités de diagnostic des cardiologues, améliorant ainsi les résultats et la qualité de vie des patients », a déclaré Tison.
