Détecter à temps une insuffisance cardiaque avancée —une condition dans laquelle le cœur perd la capacité de pomper le sang de manière efficace— peut faire la différence entre recevoir un traitement opportun ou progresser vers des stades plus graves de la maladie. Cependant, dans de nombreux cas, cette évaluation dépend d'études complexes qui ne sont pas disponibles dans tous les hôpitaux.
Une équipe de scientifiques de Weill Cornell Medical College a développé un système basé sur l'intelligence artificielle capable d'identifier cette condition à partir d'échocardiogrammes et de dossiers médicaux. Cette avancée réduit la dépendance à des tests spécialisés, disponibles uniquement dans des centres de haute complexité, et pourrait élargir la portée des évaluations chez des milliers de patients.
En analysant des images cardiaques d'usage courant en parallèle d'informations cliniques de base, le modèle permet de reconnaître des personnes à risque sans nécessiter de procédures sophistiquées. Cela facilite des interventions plus précoces chez ceux qui, jusqu'à présent, ne parvenaient pas à accéder à des études plus avancées.
Actuellement, la confirmation de cette maladie nécessite généralement un test de d'effort cardiopulmonaire, une procédure qui mesure la façon dont le corps réagit pendant l'activité physique et qui exige un équipement spécifique et du personnel formé.
En raison de ces limitations, seule une partie des environ 200 000 personnes affectées aux États-Unis reçoit une attention adéquate, selon des données du Weill Cornell Medical College.
La recherche, publiée dans la revue npj Digital Medicine, a évalué un modèle d'apprentissage automatique capable d'estimer la consommation maximale d'oxygène pendant l'exercice (VO2 max), un indicateur clé de la performance cardiaque. En termes simples, cette valeur reflète la capacité de l'organisme à utiliser l'oxygène pendant l'effort, permettant d'inférer l'état fonctionnel du système cardiovasculaire.
Comment fonctionne le modèle
Le système a été développé par une équipe dirigée par le docteur Fei Wang, spécialiste en informatique médicale, et combine différents types d'informations pour générer un pronostic fiable. Il analyse des séquences d'échocardiogrammes en mouvement —qui permettent d'observer le flux sanguin et le fonctionnement des valves— avec des variables cliniques habituelles, telles que l'âge, les antécédents et les paramètres médicaux de base.
Pour son entraînement, les chercheurs ont utilisé des données de 1 000 patients pris en charge au NewYork-Presbyterian/Columbia University Irving Medical Center. Tous les enregistrements ont été anonymisés pour garantir la confidentialité. Par la suite, le modèle a été validé sur d'autres 127 cas provenant de différents centres, afin de vérifier sa performance dans divers scénarios.
Les résultats ont montré une précision proche de 85%, dépassant les approches précédentes dans ce domaine. Ce niveau d'exactitude suggère que le système pourrait être intégré dans la pratique médicale comme un outil d'aide à la décision.
Un développement impulsé par plusieurs disciplines
Le projet a réuni des spécialistes en informatique, science des données et cardiologie clinique d'institutions comme Weill Cornell Medical College, Cornell Tech et Columbia University. « Cela ouvre une voie prometteuse pour une évaluation plus efficace en utilisant des données qui font déjà partie des soins médicaux quotidiens », a souligné Fei Wang.
De plus, Nir Uriel, cardiologue spécialisé en insuffisance cardiaque, a souligné l'impact potentiel de cet outil : « Si nous pouvons utiliser cette approche pour identifier de nombreux patients atteints d'insuffisance cardiaque avancée qui autrement ne seraient pas détectés, cela pourrait changer la pratique clinique et améliorer significativement les résultats et la qualité de vie ».
Ce qui peut changer dans les soins médicaux
La principale contribution de ce développement est son potentiel à étendre la portée des évaluations médicales sans dépendre d'infrastructures complexes. En utilisant des informations déjà obtenues dans la plupart des hôpitaux, il pourrait être mis en œuvre dans des environnements moins dotés en ressources.
Cela permettrait d'identifier des cas à des stades plus précoces et d'améliorer les opportunités de traitement, en particulier chez les patients qui aujourd'hui n'accèdent pas à des centres spécialisés. En ce sens, l'avancée implique non seulement une amélioration technologique, mais aussi une possible réduction des inégalités d'accès à la santé.
Après les résultats initiaux, l'équipe prévoit d'élargir les études cliniques pour continuer à valider le modèle dans différentes populations. Sa mise en œuvre généralisée nécessitera l'approbation d'organismes de régulation tels que la Food and Drug Administration (FDA) des États-Unis.
Il est espéré que cette approche contribuera à optimiser les soins cliniques et à améliorer la qualité de vie de ceux qui aujourd'hui ne reçoivent pas une évaluation précoce. Selon les chercheurs, l'intégration entre médecine et intelligence artificielle donne lieu à de nouveaux outils ayant un impact direct sur la santé publique.
Le Weill Cornell Medical College estime que cette technologie pourrait bénéficier à des milliers de personnes qui sont actuellement exclues du système de soins spécialisés, avec le potentiel de changer la manière dont les cas les plus avancés de cette maladie sont détectés et traités.