Les applications d'intelligence artificielle dans le domaine de la santé sont nombreuses, la prévention des crises cardiaques est notamment au cœur de nombreuses recherches. Une équipe de l'Université Johns Hopkins propose une nouvelle approche de deep learning qui associe les réseaux de neurones et l'analyse de survie pour prédire la probabilité d'une personne d'avoir une crise cardiaque due à l'arythmie dans les dix années suivantes. Leur étude intitulée « Prédiction de la survie à la mort subite arythmique à l'aide d'une analyse d'apprentissage en profondeur des cicatrices dans le cœur » a été publiée dans la revue Nature Cardiovascular Research. Près d’un million de français souffrent d’arythmie cardiaque, une anomalie de la fréquence cardiaque. On parle de bradycardie lorsque le cœur bat trop lentement et de tachycardie s’il bat trop vite ou irrégulièrement. Certaines formes d’arythmie entraînent des symptômes bénins mais d’autres, plus graves, ont des répercussions sur l’apport sanguin et sans traitement, peuvent provoquer un AVC, une crise cardiaque, une insuffisance cardiaque ou une mort subite. Le deep learning est souvent utilisé pour prédire les crises cardiaques. Les algorithmes peuvent servir à déterminer l'état des vaisseaux sanguins, les chercheurs de l'Université Hopkins ont conçu un algorithme pour évaluer les modèles de cicatrices du tissu cardiaque des patients qui peut prédire les arythmies avec plus de précision que les médecins. Grâce à l'analyse des images brutes des cœurs malades et des antécédents des patients, l'IA améliore les prédictions des médecins et la prise de décision clinique  permettant d' augmenter les chances de survivre aux arythmies cardiaques soudaines et mortelles. L'auteur principal de cette étude est Natalia Trayanova, professeur de génie biomédical et de médecine. Les domaines de recherche de son laboratoire sont la cardiologie computationnelle, l'apprentissage automatique en cardiologie et les thérapies de l'arythmie. Elle déclare :
« La mort cardiaque subite causée par l'arythmie représente jusqu'à 20% de tous les décès dans le monde et nous savons peu de choses sur pourquoi cela se produit ou comment savoir qui est à risque. Certains patients à faible risque de mort cardiaque subite reçoivent des défibrillateurs dont ils n'ont peut-être pas besoin, puis il y a des patients à haut risque qui ne reçoivent pas le traitement dont ils ont besoin et qui pourraient mourir dans la fleur de l'âge. Ce que l'algorithme peut faire est de déterminer qui est à risque de mort cardiaque et quand cela se produira, permettant aux médecins de décider exactement ce qui doit être fait. »

L'algorithme de deep learning SCARR

La technologie d'apprentissage en profondeur s'appelle l'étude de survie du risque d'arythmie cardiaque, ou SSCAR. Cette dénomination fait référence aux cicatrices cardiaques (causées par les maladies cardiaques qui entraînent souvent des arythmies mortelles) qui ont servi aux prédictions de l'algorithme. L'équipe de Natalia Trayanova est la première à utiliser les réseaux de neurones pour construire une évaluation de survie personnalisée  aux patients souffrant d'une maladie cardiaque. Ces mesures de risque permettent d'évaluer avec une grande précision la possibilité d'une mort cardiaque sur 10 ans mais aussi le moment où elle est la plus susceptible de se produire. Grâce à des images cardiaques à contraste amélioré qui visualisent la distribution des cicatrices de centaines de patients de l'hôpital Johns Hopkins, l'équipe a entraîné un algorithme pour détecter des modèles et des relations non visibles à l'œil nu. Actuellement, l'analyse clinique d'images cardiaques n'extrait que de simples caractéristiques de cicatrice comme le volume et la masse, sous-utilisant gravement ce que l'étude a démontré comme étant des données critiques. Dan Popescu, premier auteur de l'étude, ancien doctorant de Johns Hopkins, déclare :
« Les images contiennent des informations critiques auxquelles les médecins n'ont pas pu accéder. Cette cicatrisation peut être distribuée de différentes manières et elle en dit long sur les chances de survie d'un patient. Il y a des informations cachées dedans. »
L'équipe a formé un second réseau de neurones, avec 10 ans de données cliniques de  patient, qui prend en compte 22 facteurs tels que l'âge, le poids, la race et l'utilisation de médicaments sur ordonnance des patients.

Les conclusions de l'étude de survie

Les prédictions des algorithmes se sont révélées significativement plus précises pour chaque mesure que les médecins, elles ont pu être validées lors de tests avec une cohorte de patients indépendants de 60 centres de santé des Etats-Unis, avec différents antécédents cardiaques et différentes données d'imagerie, la plateforme pourrait ainsi être adoptée partout. Natalia Trayanova, également codirectrice de l'Alliance for Cardiovascular Diagnostic and Treatment Innovation, conclut :
« Cela a le potentiel de façonner de manière significative la prise de décision clinique concernant le risque d'arythmie et représente une étape essentielle pour amener le pronostic de la trajectoire du patient à l'ère de l'intelligence artificielle. Il incarne la tendance à fusionner l'intelligence artificielle, l'ingénierie et la médecine comme l'avenir des soins de santé. »
L'équipe continue d'entraîner des algorithmes pour détecter d'autres maladies cardiaques. Selon Natalia Trayanova, le concept de deep learning pourrait être développé pour d'autres domaines de la médecine qui reposent sur le diagnostic visuel.

Nos articles remonteront en priorité dans « À la une » de Google.