L’intelligence artificielle automatise le diagnostic des maladies valvulaires cardiaques graves < Yale School of Medicine

Les chercheurs du laboratoire Cardiovascular Data Science (CarDS) ont développé une nouvelle approche capable de détecter une cardiopathie valvulaire courante connue sous le nom de sténose aortique sévère à partir d'échographies du cœur. L'étude, publiée le 23 août dans le European Heart Journal, pourrait avoir des implications sur les soins cliniques de routine.

La sténose aortique sévère, ou SA, est un trouble de santé majeur, en particulier chez les personnes âgées, provoqué par un rétrécissement de la valvule aortique. Un diagnostic précoce peut permettre des interventions visant à soulager les symptômes et à réduire le risque d'hospitalisation et de décès prématuré. L’imagerie échographique spécialisée du cœur, appelée échocardiographie Doppler, est le principal test permettant de détecter la SA. L’équipe a développé un modèle d’apprentissage profond qui peut utiliser des échographies cardiaques plus simples pour détecter automatiquement une SA sévère.

La technologie a été développée par l'auteur principal de l'étude, Rohan Khera, MD, MS, professeur adjoint de médecine cardiovasculaire et d'informatique de la santé et directeur du laboratoire CarDS, avec des collègues du département de génie électrique et informatique de la famille Chandra à l'Université de Texas à Austin. Le travail comprenait 5 257 études comprenant 17 570 vidéos entre 2016 et 2020 à l’hôpital Yale New Haven. Le modèle a été validé en externe par 2 040 études consécutives provenant de différentes cohortes en Nouvelle-Angleterre et en Californie.

« Notre défi est qu’une évaluation précise de la SA est cruciale pour la prise en charge des patients et la réduction des risques. Bien que les tests spécialisés restent la référence, le fait de compter sur ceux qui se rendent dans nos laboratoires d'échocardiographie risque de laisser passer des personnes au début de leur état pathologique », a déclaré Khera.

"Notre objectif était de développer une approche d'apprentissage automatique qui serait adaptée au dépistage échographique au point d'intervention", a déclaré le co-premier auteur de l'étude, Evangelos Oikonomou, MD, DPhil, chercheur en cardiologie et chercheur postdoctoral actuel au CarDS Lab. .

Leurs travaux permettent la détection précoce de la sténose aortique afin que les patients puissent recevoir des soins en temps opportun. « Notre travail peut permettre un dépistage communautaire plus large de la SA, car les échographes portatifs peuvent de plus en plus être utilisés sans avoir recours à un équipement plus spécialisé. Ils sont déjà fréquemment utilisés dans les services d’urgence et dans de nombreux autres établissements de soins », a ajouté Khera.

Cette avancée est le résultat d’une étroite collaboration entre cliniciens-investigateurs et informaticiens. Greg Holste, doctorant à l'UT Austin co-encadré par Khera, a dirigé le développement d'une méthodologie innovante qui a permis la technologie et a été co-premier auteur de l'étude. « Pour permettre un développement pratique qui exploite les technologies émergentes pour améliorer les soins cliniques, une telle collaboration multidisciplinaire est essentielle », a souligné Khera.

Cette étude a été financée en partie par une subvention du prix K23HL153775 du National Heart, Lung, and Blood Institute des National Institutes of Health.