Améliorer le diagnostic de la dysfonction ventriculaire gauche par l’intelligence artificielle

  • Malki L & al.
  • N Engl J Med
  • 28 févr. 2019

  • Par Caroline Guignot
  • Résumé d’articles
L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte. L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte.

Nature Medicine a publié une étude décrivant l’apport de l’intelligence artificielle dans l’amélioration du diagnostic de la dysfonction ventriculaire gauche asymptomatique. Celle-ci décrit comment, en utilisant les données ECG (12 dérivations) et échocardiographiques d’une cohorte de près de 100.000 patients (moyenne d’âge : 61,8 ans, 7,8% avec une fraction d’éjection (FE) ≤35%), il a été possible de développer un outil permettant d’identifier avec plus de précision cette forme d’insuffisance cardiaque, qui est habituellement difficile à diagnostiquer de façon non invasive.

Construction de l’outil

Dans un premier temps, les données de 35.970 patients ont permis d’entraîner et d’élaborer l’outil   apprenant (réseau de neurones convolutifs) . Les chercheurs ont ensuite constitué une seconde cohorte de près de 9.000 patients afin de valider le modèle développé. Enfin, ce dernier a été testé auprès d’une troisième cohorte de 52.870 personnes dont 7,8% présentaient une FE ≤35% et 79,5% une FE d’au moins 50%.

La sensibilité de l’outil était de 86,3%, sa spécificité et sa précision étant toutes deux de 85,7%. La capacité du modèle à distinguer un patient présentant une fraction d’éjection supérieure ou inférieure à 35% était caractérisée par une aire sous courbe (AUC) de 0,93, un chiffre supérieur à celui traditionnellement associé au test de dépistage du peptide natriurétique de type B (AUC : 0,79–0,89).

Pertinence des faux positifs ?

Parmi les 11.515 patients identifiés comme vrais négatifs via l’algorithme, seuls 1,8 et 4,4 % ont développé une FE ≤35% dans les 5 et 10 ans de suivi, respectivement. Parallèlement, 1.335 sujets ont été identifiés comme faux positifs, mais ils étaient respectivement 9,5% et 20,8% à développer un trouble de la fonction ventriculaire gauche à 5 et 10 ans, suggérant une potentielle capacité de l’outil à identifier précocement certaines anomalies subcliniques.

Il serait donc possible d’améliorer la stratification des patients en utilisant des programmes apprenants. Une difficulté réside néanmoins dans l’incapacité à en tirer les paramètres d’évaluation ayant permis la discrimination des patients. Si l’intelligence artificielle est particulièrement performante pour l’interprétation des images, il apparaît ici que la démarche est plus délicate concernant les données de l’ECG.