Les chercheurs envisagent un avenir où les dispositifs de suivi de la santé portables pourraient aider les médecins à identifier les patients les plus à risque en termes d’insuffisance cardiaque.
Près de 10 % des adultes de plus de 65 ans souffrent d’une insuffisance cardiaque congestive (ICC). Les causes de l’ICC sont diverses, mais la maladie chronique fondamentale résulte généralement de l’incapacité du cœur à pomper efficacement le sang dans l’organisme.
Les radiographies, les analyses sanguines et les échographies offrent toutes aux cliniciens des moyens utiles de diagnostiquer l’ICC, mais l’une des méthodes les plus courantes consiste à utiliser des signaux d’électrocardiogramme (ECG) pour déterminer la variabilité de la fréquence cardiaque sur un certain nombre de minutes, ou même des mesures multiples sur plusieurs jours. Une nouvelle approche impressionnante a été démontrée, utilisant un réseau neuronal convolutif (CNN : Convolutional Neural Network) qui peut identifier l’ICC presque instantanément en vérifiant les données ECG d’un seul battement cardiaque.
« Nous avons formé et testé le modèle CNN sur de grands ensembles de données d’ECG accessibles au public sur des sujets atteints d’ICC ainsi que sur des cœurs sains et non arythmiques « , explique Sebastian Massaro, de l’Université du Surrey. « Notre modèle est d’une précision de 100 % : en ne vérifiant qu’un seul battement de cœur, nous pouvons détecter si une personne souffre d’insuffisance cardiaque ou non. Notre modèle est également l’un des premiers connus à pouvoir identifier les caractéristiques morphologiques de l’ECG spécifiquement associées à la gravité de l’affection. »
Comme le suggère Sebastian Massaro, le système de l’équipe affiche actuellement un taux d’exactitude incroyable de 100 %, mais la recherche n’est pas sans limites. Plus important encore, les données utilisées dans la présente étude ne comprenaient que des lectures d’ECG provenant de patients atteints d’ICC grave ou de sujets en bonne santé. Les chercheurs notent que les résultats peuvent ne pas être aussi précis pour les patients atteints d’ICC plus légère, de sorte qu’il faudra certainement faire plus de travail pour vérifier un plus large éventail de diagnostics d’ICC avant que la technologie ne soit mise en œuvre dans la pratique clinique.
Néanmoins, la nouvelle technique s’ajoute à un certain nombre d’outils de diagnostic passionnants actuellement en développement, qui promettent une révolution dans les approches cliniques de l’évaluation des données médicales. Plus récemment, une équipe de la Clinique Mayo a formé un réseau neuronal pour identifier les patients souffrant de dysfonction ventriculaire gauche asymptomatique, un précurseur de l’insuffisance cardiaque qui est notoirement difficile à détecter facilement par les cliniciens, en utilisant seulement 10 secondes de données ECG.
Ce qui est encore plus intéressant, c’est la possibilité que les dispositifs de surveillance de la santé portables puissent aider les médecins à identifier les patients à risque sans avoir à les examiner dans un contexte clinique. Sebastian Massaro et son équipe suggèrent que leur travail, en utilisant de courts enregistrements ECG pour détecter l’ICC, pourrait ouvrir la voie à des vêtements de santé qui surveillent constamment les patients dans des conditions réelles.
« Il s’agit d’un résultat important car, avec la disponibilité croissante d’appareils portables qui capturent les enregistrements ECG intermédiaires (par exemple, les montres intelligentes), la détection et la prédiction précises de l’ICC pourraient bientôt être effectuées par des appareils que les gens portent dans des situations quotidiennes « , concluent les chercheurs dans un article récemment publié.
https://www.sciencedirect.com/science/article/pii/S1746809419301776?
