Un nouvel algorithme d’auto-apprentissage peut détecter des problèmes de pompage du sang en lisant des électrocardiogrammes –


  • FrançaisFrançais



  • Un algorithme informatique spécial basé sur l’intelligence artificielle (IA) créé par les chercheurs du mont Sinaï a pu apprendre à identifier des changements subtils dans les électrocardiogrammes (également appelés ECG ou ECG) pour prédire si un patient souffrait d’insuffisance cardiaque.

    “Nous avons montré que les algorithmes d’apprentissage en profondeur peuvent reconnaître les problèmes de pompage du sang des deux côtés du cœur à partir des données de forme d’onde ECG”, a déclaré Benjamin S. Glicksberg, PhD, professeur adjoint de génétique et de sciences génomiques, membre de l’Institut Hasso Plattner pour le numérique. Health at Mount Sinai, et auteur principal de l’étude publiée dans le Journal de l’American College of Cardiology : Imagerie cardiovasculaire. “Ordinairement, le diagnostic de ce type de maladies cardiaques nécessite des procédures coûteuses et longues. Nous espérons que cet algorithme permettra un diagnostic plus rapide de l’insuffisance cardiaque.”

    L’étude a été dirigée par Akhil Vaid, MD, un chercheur postdoctoral qui travaille à la fois dans le laboratoire de Glicksberg et dirigé par Girish N. Nadkarni, MD, MPH, CPH, professeur agrégé de médecine à l’école de médecine Icahn du mont Sinaï, chef de la Division de la médecine basée sur les données et numérique (D3M), et un auteur principal de l’étude.

    Affectant environ 6,2 millions d’Américains, l’insuffisance cardiaque ou insuffisance cardiaque congestive se produit lorsque le cœur pompe moins de sang que ce dont le corps a normalement besoin. Pendant des années, les médecins se sont fortement appuyés sur une technique d’imagerie appelée échocardiogramme pour évaluer si un patient souffre d’insuffisance cardiaque. Bien qu’utiles, les échocardiogrammes peuvent être des procédures à forte intensité de main-d’œuvre qui ne sont proposées que dans certains hôpitaux.

    Cependant, des percées récentes en intelligence artificielle suggèrent que les électrocardiogrammes – un appareil d’enregistrement électrique largement utilisé – pourraient être une alternative rapide et facilement disponible dans ces cas. Par exemple, de nombreuses études ont montré comment un algorithme “d’apprentissage en profondeur” peut détecter une faiblesse dans le ventricule gauche du cœur, qui pousse le sang fraîchement oxygéné vers le reste du corps. Dans cette étude, les chercheurs ont décrit le développement d’un algorithme qui évalue non seulement la force du ventricule gauche mais aussi le ventricule droit, qui prend le sang désoxygéné provenant du corps et le pompe vers les poumons.

    « Bien qu’attrayant, il a toujours été difficile pour les médecins d’utiliser les ECG pour diagnostiquer l’insuffisance cardiaque. C’est en partie parce qu’il n’y a pas de critères de diagnostic établis pour ces évaluations et parce que certains changements dans les lectures d’ECG sont tout simplement trop subtils pour que l’œil humain puisse les détecter, ” a déclaré le Dr Nadkarni. “Cette étude représente un pas en avant passionnant dans la recherche d’informations cachées dans les données ECG qui peuvent conduire à de meilleurs paradigmes de dépistage et de traitement à l’aide d’un test relativement simple et largement disponible.”

    En règle générale, un électrocardiogramme implique un processus en deux étapes. Des fils conducteurs sont scotchés à différentes parties de la poitrine d’un patient et en quelques minutes, une machine portable spécialement conçue imprime une série de lignes ondulées, ou formes d’onde, représentant l’activité électrique du cœur. Ces machines peuvent être trouvées dans la plupart des hôpitaux et des ambulances à travers les États-Unis et nécessitent une formation minimale pour fonctionner.

    Pour cette étude, les chercheurs ont programmé un ordinateur pour lire les électrocardiogrammes des patients ainsi que les données extraites de rapports écrits résumant les résultats des échocardiogrammes correspondants prélevés sur les mêmes patients. Dans cette situation, les rapports écrits agissaient comme un ensemble standard de données que l’ordinateur pouvait comparer avec les données de l’électrocardiogramme et apprendre à repérer les cœurs plus faibles.

    Les programmes de traitement du langage naturel ont aidé l’ordinateur à extraire les données des rapports écrits. Pendant ce temps, des réseaux neuronaux spéciaux capables de découvrir des motifs dans les images ont été incorporés pour aider l’algorithme à apprendre à reconnaître les forces de pompage.

    “Nous voulions pousser l’état de l’art en développant une IA capable de comprendre l’ensemble du cœur facilement et à moindre coût”, a déclaré le Dr Vaid.

    L’ordinateur a ensuite lu plus de 700 000 électrocardiogrammes et rapports d’échocardiogramme obtenus de 150 000 patients du système de santé du mont Sinaï de 2003 à 2020. Les données de quatre hôpitaux ont été utilisées pour former l’ordinateur, tandis que les données d’un cinquième ont été utilisées pour tester les performances de l’algorithme. dans un cadre expérimental différent.

    « Un avantage potentiel de cette étude est qu’elle impliquait l’une des plus grandes collections d’ECG provenant de l’une des populations de patients les plus diverses au monde », a déclaré le Dr Nadkarni.

    Les premiers résultats suggèrent que l’algorithme était efficace pour prédire quels patients auraient des ventricules gauches sains ou très faibles. Ici, la force a été définie par la fraction d’éjection du ventricule gauche, une estimation de la quantité de liquide que le ventricule pompe à chaque battement, comme observé sur les échocardiogrammes. Les cœurs sains ont une fraction d’éjection de 50 % ou plus, tandis que les cœurs faibles en ont une égale ou inférieure à 40 %.

    L’algorithme était précis à 94 % pour prédire quels patients avaient une fraction d’éjection saine et à 87 % précis pour prédire ceux qui avaient une fraction d’éjection inférieure à 40 %.

    Cependant, l’algorithme n’était pas aussi efficace pour prédire quels patients auraient un cœur légèrement affaibli. Dans ce cas, le programme était précis à 73 pour cent pour prédire les patients qui avaient une fraction d’éjection comprise entre 40 et 50 pour cent.

    D’autres résultats suggèrent que l’algorithme a également appris à détecter les faiblesses de la valve droite à partir des électrocardiogrammes. Dans ce cas, la faiblesse était définie par des termes plus descriptifs extraits des rapports d’échocardiographie. Ici, l’algorithme était précis à 84 pour cent pour prédire quels patients avaient des valves droites faibles.

    “Nos résultats suggèrent que cet algorithme pourrait éventuellement aider les médecins à diagnostiquer correctement l’insuffisance cardiaque de chaque côté du cœur”, a déclaré le Dr Vaid.

    Enfin, une analyse supplémentaire a suggéré que l’algorithme peut être efficace pour détecter la faiblesse cardiaque chez tous les patients, sans distinction de race et de sexe.

    “Nos résultats suggèrent que cet algorithme pourrait être un outil utile pour aider les cliniciens à lutter contre l’insuffisance cardiaque dont souffrent divers patients”, a ajouté le Dr Glicksberg. “Nous sommes en train de concevoir avec soin des essais prospectifs pour tester son efficacité dans un cadre plus réel.”

    Cette étude a été soutenue par les National Institutes of Health (TR001433).

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    La Rédaction

    L'équipe rédactionnnelle du site

    Pour contacter personnellement le taulier :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.