Des chercheurs de l’Université Johns Hopkins ont développé un nouveau modèle d’intelligence artificielle qui surpasse considérablement les directives cliniques actuelles dans l’identification des patients à haut risque de décès cardiaque soudain, selon une étude nouvellement publiée.
Le système d’IA, connu sous le nom d’IA multimodal pour la stratification du risque de l’arythmie ventriculaire (MAARS), intègre des images d’IRM cardiaques avec un large éventail de dossiers de santé des patients pour détecter les signes d’avertissement cachés – offrant un nouveau niveau de précision dans la prédiction du risque cardiovasculaire.
L’étude, publiée cette semaine dans Nature Cardiovascular Research, s’est concentrée sur la cardiomyopathie hypertrophique – l’une des conditions cardiaques héréditaires les plus courantes et une cause principale de mort cardiaque soudaine chez les jeunes.
« 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 des défibrillateurs pour le reste de leur vie sans avantage », a déclaré l’auteur principal Natalia Trayanova, un chercheur axé sur l’utilisation de l’IA 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 directives cliniques utilisées aux États-Unis et en Europe ont actuellement une précision estimée de seulement 50% dans l’identification des patients à risque. En revanche, le modèle MAARS a démontré une précision globale de 89%, avec une précision de 93% pour les patients âgés de 40 à 60 ans – le groupe plus à risque.
Le modèle d’IA analyse les scans IRM à contraste amélioré pour les modèles de cicatrices cardiaques – quelque chose que les médecins ont traditionnellement trouvé difficile à interpréter. En appliquant l’apprentissage en profondeur à ces données sous-utilisées, le modèle identifie les prédicteurs clés de la mort cardiaque soudaine.
« 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 », a déclaré le co-auteur Jonathan Chrispin, cardiologue Johns Hopkins.
L’équipe prévoit de tester davantage le modèle sur une population de patients plus large et d’élargir l’utilisation de l’algorithme à d’autres maladies cardiaques, notamment la sarcoïdose cardiaque et la cardiomyopathie ventriculaire droite arythmogène.
