L’apprentissage automatique se mesure à l’homme pour déceler l’infarctus du myocarde et le décès

L’étude a inclus 951 patients symptomatiques présentant une CP à risque intermédiaire. Les patients ont fait l’objet d’une angiographie par tomodensitométrie (angio-TDM), qui a permis d’obtenir 58 éléments d’information. Ceux dont les examens d’imagerie évoquaient une maladie ont fait l’objet d’une tomographie par émission de positrons (TEP), qui a révélé 17 variables. À partir des dossiers médicaux, 10 variables cliniques ont été obtenues. 

Au cours d’une période de suivi moyenne de 6 ans, 24 IM et 49 décès ont été constatés, toutes causes confondues. Les 85 variables ont été entrées dans un algorithme d’apprentissage automatique appelé LogitBoost, qui a analysé les variables pour trouver la meilleure structure permettant de prédire qui avait eu un IM ou qui était décédé.

Même si la performance prédictive était discrète pour les données cliniques seules et modérée lorsque les données de TEP ont été ajoutées, les chercheurs ont signalé qu’elle a significativement augmenté lorsque les données d’angio-TDM ont été ajoutées, donnant une aire sous la courbe de 0,82 et une précision supérieure à 90 %.

Les auteurs affirment que les résultats proposent une valeur pronostique ajoutée pour l’apprentissage automatique en imagerie cardiaque hybride.