En 2024, plus de 10 000 greffes de cœur ont été réalisées dans 59 pays, selon l'Observatoire mondial du don et de la greffe. Il s'agit d'une intervention qui peut sauver la vie du patient, mais qui exige une surveillance constante. Le principal risque après la chirurgie est le rejet de l'organe, c'est-à-dire que le système immunitaire du receveur identifie le cœur greffé comme un corps étranger et l'attaque.
Pour détecter ce rejet à temps, la médecine a dépendu pendant des décennies de la biopsie endomyocardique, une procédure qui consiste à extraire chirurgicalement un petit fragment du muscle cardiaque et à l'analyser au microscope à la recherche d'inflammation ou d'autres signes d'alerte.
Ces dernières années, deux analyses sanguines connues sous les noms d'AlloMap et d'AlloSure se sont ajoutées à l'arsenal diagnostique. La première mesure l'activité de certains gènes liés au rejet cellulaire ; la seconde traque des fragments d'ADN du donneur dans le flux sanguin du receveur. Tous deux s'avèrent efficaces pour écarter le rejet lorsque les résultats sont négatifs, mais partagent une faiblesse : ils génèrent fréquemment de faux positifs, ce qui entraîne des biopsies qui, en définitive, s'avèrent inutiles.
Une équipe de chercheurs de NYU Langone Health a développé un modèle d'intelligence artificielle qui combine ces biomarqueurs sanguins avec des électrocardiogrammes, les enregistrements de l'activité électrique du cœur obtenus au moyen de capteurs placés sur la peau.
Selon une étude publiée dans la revue The Journal of Heart and Lung Transplantation, le modèle intégré a réussi à identifier correctement 94 % des patients qui ne souffraient pas de rejet et aurait évité les 19 orientations vers une biopsie dues à de faux positifs générées par les biomarqueurs seuls. C'est la première comparaison directe entre l'intelligence artificielle appliquée aux électrocardiogrammes, les analyses sanguines et la combinaison des deux, confrontée aux résultats de biopsies confirmées.
L'électrocardiogramme apporte un signal que les analyses sanguines ne capturent pas
Lorsque le corps rejette un cœur greffé, les altérations ne se limitent pas à une seule voie biologique. Le rejet cellulaire aigu, la forme la plus fréquente, produit des anomalies simultanées sur au moins trois fronts indépendants : la réponse des gènes de défense du receveur, les dommages aux cellules du muscle cardiaque du donneur et la manière dont le cœur greffé conduit ses impulsions électriques. Les biomarqueurs existants n'explorent que les deux premiers ; l'électrocardiogramme capture le troisième.
« Nos résultats mettent en évidence le fait que les électrocardiogrammes contiennent une abondance d’informations physiologiques qui peuvent être utilisées pour améliorer considérablement la précision du dépistage et permettre un diagnostic et un traitement plus précoces pour les patients souffrant de rejet de greffe cardiaque », a déclaré Lior Jankelson, professeur associé au sein de la Division de Cardiologie Leon H. Charney de l’École de médecine Grossman de l’Université de New York (NYU) et professeur associé en ingénierie biomédicale à l’École d’ingénierie Tandon de la NYU.
L’hypothèse centrale de l’étude repose sur cette prémisse : un modèle capable d’exiger une concordance entre les trois signaux gagnerait en précision, même là où chaque outil individuel atteint ses limites. Si les trois sources de données convergent pour indiquer un problème, la probabilité qu’il s’agisse d’un rejet réel augmente considérablement.
Comment le modèle a été construit et ce qu’il a révélé
Pour développer cet outil, l’équipe a analysé de manière rétrospective plus de 5 300 enregistrements d’électrocardiogrammes effectués sur 2 357 adultes receveurs de greffe cardiaque pris en charge entre 2018 et 2024, appariés à leurs biopsies correspondantes. Un algorithme d’apprentissage profond, conçu pour identifier des motifs dans des données complexes, a été entraîné avec les signaux de huit dérivations de l’électrocardiogramme ainsi qu’avec des variables cliniques telles que le temps écoulé depuis la greffe et les antécédents de rejet.
Les résultats ont révélé les limites de chaque outil pris isolément. Le modèle basé uniquement sur les électrocardiogrammes a atteint une capacité discriminante modérée, similaire à celle d’AlloSure, tandis qu’AlloMap se situait à peine au-dessus du hasard. La combinaison des deux biomarqueurs sans l’électrocardiogramme n’a pas amélioré la situation. En revanche, le modèle intégré, qui combine les trois sources, a considérablement augmenté les performances dans le sous-groupe de test et a atteint une spécificité de 100 % : aucun faux positif n’a été généré parmi les 36 cas confirmés sans rejet.
« La greffe cardiaque est une procédure complexe qui nécessite de nombreuses ressources, et le rejet est fréquent, mais traitable s’il est détecté à temps », a souligné Jankelson. « Combiner la disponibilité des électrocardiogrammes avec l’appui de l’intelligence artificielle peut aider à identifier le rejet plus tôt et sauver plus de vies », a-t-il ajouté.
Une avancée prometteuse avec des limites reconnues par ses propres auteurs
L'étude souligne avec prudence la portée de ses résultats. Le sous-groupe d'essai comprenait seulement 38 échantillons avec deux seuls événements de rejet confirmé, un chiffre que les auteurs eux-mêmes jugent insuffisant pour valider les résultats. « Ces conclusions, génératrices d'hypothèses, suggèrent que la concordance entre compartiments peut aider à discriminer le rejet véritable du bruit des biomarqueurs, mais le petit ensemble d'essai empêche des conclusions définitives », selon ce qui est détaillé dans l'étude.
Cependant, la stratégie propose un changement d'approche : au lieu de perfectionner un unique biomarqueur, croiser des signaux de nature différente pour filtrer les fausses alertes. Comme prochaine étape, l'équipe conçoit un essai clinique multicentrique qui prévoit d'inclure entre 1 200 et 1 500 consultations dans quatre à six hôpitaux spécialisés en transplantation, avec pour objectif de réunir au moins 50 événements de rejet confirmé par biopsie.