L'IA est plus performante que les médecins pour prédire les complications mortelles après une intervention chirurgicale

Un nouveau modèle d'intelligence artificielle a détecté des signaux jusqu'alors indétectés lors d'examens cardiaques de routine, qui prédisent avec précision quels patients souffriront de complications potentiellement mortelles après une intervention chirurgicale. Ce modèle a nettement surpassé les scores de risque actuellement utilisés par les médecins.

Les travaux financés par le gouvernement fédéral et menés par des chercheurs de l’Université Johns Hopkins, qui transforment les résultats de tests standard et peu coûteux en un outil potentiellement salvateur, pourraient transformer la prise de décision et le calcul des risques tant pour les patients que pour les chirurgiens.

« Nous démontrons qu’un électrocardiogramme de base contient des informations pronostiques importantes qui ne sont pas identifiables à l’œil nu. » Robert D. Stevens, Division d'informatique, d'intégration et d'innovation de Johns Hopkins Medicine

« Nous démontrons qu'un électrocardiogramme simple contient des informations pronostiques importantes, non identifiables à l'œil nu », a déclaré l'auteur principal Robert D. Stevens , chef de la division Informatique, Intégration et Innovation de Johns Hopkins Medicine . « Nous ne pouvons les extraire que grâce à des techniques d'apprentissage automatique. »

Les résultats sont publiés aujourd’hui dans le British Journal of Anaesthesia .

Une proportion importante de personnes développent des complications potentiellement mortelles après une intervention chirurgicale majeure. Les scores de risque utilisés par les médecins pour identifier les personnes à risque de complications ne sont précis que dans environ 60 % des cas.

Dans l'espoir de mettre au point un moyen plus précis de prédire ces risques pour la santé, l'équipe de Johns Hopkins s'est tournée vers l'électrocardiogramme (ECG), un examen cardiaque préopératoire standard, couramment pratiqué avant une intervention chirurgicale majeure. C'est une méthode rapide et non invasive d'évaluation de l'activité cardiaque grâce à des signaux électriques, et elle peut signaler une maladie cardiaque.

Mais les signaux ECG captent également d’autres informations physiologiques plus subtiles, a déclaré Stevens, et l’équipe Hopkins soupçonnait qu’elle pourrait trouver un trésor de données prédictives riches, si l’IA pouvait les aider à les voir.

« L'ECG contient de nombreuses informations très intéressantes, non seulement sur le cœur, mais aussi sur le système cardiovasculaire », a déclaré Stevens. « L'inflammation, le système endocrinien, le métabolisme, les fluides, les électrolytes : tous ces facteurs façonnent la morphologie de l'ECG. Si nous pouvions obtenir un très grand ensemble de données de résultats d'ECG et les analyser grâce à l'apprentissage profond, nous avons pensé que nous pourrions obtenir des informations précieuses auxquelles les cliniciens n'ont pas accès actuellement. »

Légende de l'image :L'équipe de Stevens a utilisé l'intelligence artificielle pour extraire des signaux jusqu'alors non détectés dans ces tests cardiaques de routine qui prédisent avec précision quels patients souffriront de complications potentiellement mortelles après une intervention chirurgicale. Imagecrédit: Will Kirk / Université Johns Hopkins

L’équipe a analysé les données ECG préopératoires de 37 000 patients ayant subi une intervention chirurgicale au Beth Israel Deaconess Medical Center de Boston.

L'équipe a entraîné deux modèles d'IA pour identifier les patients susceptibles de subir une crise cardiaque, un accident vasculaire cérébral ou de décéder dans les 30 jours suivant leur intervention chirurgicale. L'un des modèles a été entraîné uniquement sur les données ECG. L'autre, que l'équipe a appelé modèle de « fusion », a combiné les données ECG avec des informations plus détaillées issues des dossiers médicaux des patients, telles que l'âge, le sexe et les pathologies existantes.

Le modèle ECG seul prédisait mieux les complications que les scores de risque actuels, mais le modèle de fusion était encore meilleur, capable de prédire quels patients souffriraient de complications post-chirurgicales avec une précision de 85 %.

« Il est surprenant de constater que nous pouvons prédire avec une telle précision, à partir de ce diagnostic de routine, ces données de 10 secondes, si une personne mourra après une opération », a déclaré Carl Harris , auteur principal et doctorant en génie biomédical. « Nous disposons d'une découverte très significative qui peut améliorer l'évaluation du risque chirurgical. »

L’équipe a également développé une méthode pour expliquer quelles caractéristiques de l’ECG pourraient être associées à une crise cardiaque ou à un accident vasculaire cérébral après une opération.

« Imaginez, si vous subissez une intervention chirurgicale majeure, au lieu de simplement enregistrer votre ECG dans votre dossier médical, où personne ne le consultera, il est analysé par un modèle, vous obtenez une évaluation des risques et pouvez discuter avec votre médecin des risques et des avantages de l'opération », a déclaré Stevens. « C'est une avancée majeure dans notre façon d'évaluer les risques pour les patients. »

L'équipe poursuivra ensuite ses tests sur des ensembles de données provenant d'un plus grand nombre de patients. Elle souhaite également tester le modèle de manière prospective auprès de patients sur le point de subir une intervention chirurgicale.

L’équipe souhaite également déterminer quelles autres informations pourraient être extraites des résultats de l’ECG grâce à l’IA.

https://hub.jhu.edu/2025/09/17/artificial-intelligence-predicts-post-surgery-complications