La sténose de la valve aortique se produit lorsque la valve aortique se rétrécit, ce qui restreint le flux sanguin du cœur à travers l’artère et vers tout le corps. Dans les cas graves, cela peut entraîner une insuffisance cardiaque. L’identification de la maladie peut être difficile dans les régions éloignées car elle nécessite une technologie sophistiquée et les diagnostics à un stade précoce sont difficiles à obtenir.
Dans le Journal de physique appliquéepar AIP Publishing, des chercheurs de l’Université du Kerala, en Inde, et de l’Université de Nova Gorica, en Slovénie, ont développé une méthode pour identifier le dysfonctionnement des valves à l’aide d’une analyse de réseau complexe qui est précise, simple à utiliser et peu coûteuse.
De nombreux centres de santé ruraux ne disposent pas de la technologie nécessaire pour analyser des maladies comme celle-ci. Pour notre technique, nous avons juste besoin d’un stéthoscope et d’un ordinateur. »
MS Swapna, auteur, Université de Nova Gorica et Université du Kerala
L’outil de diagnostic fonctionne sur la base des sons produits par le cœur. L’organe crée un bruit « lub » lorsqu’il ferme les valves mitrale et tricuspide, s’arrête lorsque la relaxation ventriculaire se produit et que le sang se remplit, puis émet un deuxième bruit, « dub », lorsque les valves aortique et pulmonaire se ferment.
Swapna et son équipe ont utilisé des données sonores cardiaques, collectées sur 10 minutes, pour créer un graphique ou un réseau complexe de points connectés. Les données ont été divisées en sections et chaque partie a été représentée par un nœud ou un point unique sur le graphique. Si le son dans cette partie des données était similaire à une autre section, une ligne ou un bord était tracé entre les deux nœuds.
Dans un cœur sain, le graphique montrait deux groupes de points distincts, avec de nombreux nœuds non connectés. En revanche, un cœur avec une sténose aortique contenait beaucoup plus de corrélations et d’arêtes.
« Dans le cas d’une sténose aortique, il n’y a pas de séparation entre les signaux sonores lub et dub », a déclaré Swapna.
Les chercheurs ont utilisé l’apprentissage automatique pour examiner les graphiques et identifier ceux avec et sans maladie, atteignant une précision de classification de 100 %. Leur méthode prend en compte la corrélation de chaque point, ce qui la rend plus précise que d’autres qui ne considèrent que la force du signal, et elle le fait en moins de 10 minutes. En tant que tel, il pourrait être utile pour les diagnostics précoces.
Jusqu’à présent, la méthode n’a été testée qu’avec des données, pas dans un cadre clinique. Les auteurs développent une application mobile accessible dans le monde entier. Leur technique pourrait également être utilisée pour diagnostiquer d’autres conditions.
« La méthode proposée peut être étendue à tout type de signaux sonores cardiaques, de signaux sonores pulmonaires ou de signaux sonores de toux », a déclaré Swapna.
