Entraînement et validation

L'équipe a entraîné un modèle d'apprentissage profond en utilisant plus de 440 000 ECG provenant de Suède, associés aux certificats de décès. Le modèle a été alimenté avec des tracés de personnes en bonne santé, de patients à risque et de ceux qui sont décédés plus tard d'une mort subite cardiaque, afin qu'il apprenne à reconnaître les motifs d'ondes prédictifs de l'issue fatale . Ils ont ensuite validé le modèle sur des milliers de dossiers patients supplémentaires provenant à la fois des États-Unis (région de San Diego) et de Taïwan (Taipei) . Un article d'accompagnement dans Nature confirme que le modèle a été développé en utilisant des données ECG étendues et des registres de mortalité .

Performance de détection du risque

Le système d'IA identifie un groupe à haut risque avec un taux annuel de mort subite de 7 %, contre les tests cliniques standards (qui mesurent la fraction d'éjection du sang par battement) qui identifient un groupe à haut risque avec seulement un taux annuel de 4,6 % . Le modèle a non seulement identifié un groupe à risque plus large, mais a aussi mieux prédit qui subirait une mort subite — des différences qui se traduisent par des milliers de patients chaque année qui semblent actuellement à faible risque selon les mesures conventionnelles .

Pourquoi la détection a été si difficile

L'arrêt cardiaque soudain tue plus de 300 000 personnes aux États-Unis chaque année et survient lorsque le système électrique du cœur cesse soudainement de fonctionner sans avertissement . Obermeyer souligne qu'un traitement efficace existe — les défibrillateurs implantables qui choquent le cœur pour le rétablir — mais que les médecins ne peuvent pas déterminer qui en a besoin avant qu'il ne soit trop tard . Le problème principal est que les gens meurent si brusquement qu'il est presque impossible de savoir ce qui se passait à l'intérieur du cœur juste avant ; les autopsies révèlent des détails structurels mais pas le fonctionnement électrique immédiatement avant le décès .

Prochaines étapes

Les chercheurs prévoient de déployer l'algorithme dans les systèmes de santé pour aider les médecins à mieux identifier les patients qui ont besoin d'un défibrillateur interne . L'étude ouvre également la voie à de nouvelles recherches sur le mécanisme physiologique sous-jacent aux dysfonctionnements électriques cardiaques. Obermeyer a déclaré que l'objectif est de "non seulement prendre de meilleures décisions, mais aussi de commencer à comprendre ce qui se passe réellement chez ces patients avant que leur cœur ne s'arrête" . Comme les ECG sont des examens de routine, peu coûteux et disponibles dans les centres médicaux du monde entier, l'outil pourrait être déployé à grande échelle pour sauver des vies .

Entraînement et validation

L'équipe a entraîné un modèle d'apprentissage profond en utilisant plus de 440 000 ECG provenant de Suède, associés aux certificats de décès. Le modèle a été alimenté avec des tracés de personnes en bonne santé, de patients à risque et de ceux qui sont décédés plus tard d'une mort subite cardiaque, afin qu'il apprenne à reconnaître les motifs d'ondes prédictifs de l'issue fatale . Ils ont ensuite validé le modèle sur des milliers de dossiers patients supplémentaires provenant à la fois des États-Unis (région de San Diego) et de Taïwan (Taipei) . Un article d'accompagnement dans Nature confirme que le modèle a été développé en utilisant des données ECG étendues et des registres de mortalité .

Performance de détection du risque

Le système d'IA identifie un groupe à haut risque avec un taux annuel de mort subite de 7 %, contre les tests cliniques standards (qui mesurent la fraction d'éjection du sang par battement) qui identifient un groupe à haut risque avec seulement un taux annuel de 4,6 % . Le modèle a non seulement identifié un groupe à risque plus large, mais a aussi mieux prédit qui subirait une mort subite — des différences qui se traduisent par des milliers de patients chaque année qui semblent actuellement à faible risque selon les mesures conventionnelles .

Pourquoi la détection a été si difficile

L'arrêt cardiaque soudain tue plus de 300 000 personnes aux États-Unis chaque année et survient lorsque le système électrique du cœur cesse soudainement de fonctionner sans avertissement . Obermeyer souligne qu'un traitement efficace existe — les défibrillateurs implantables qui choquent le cœur pour le rétablir — mais que les médecins ne peuvent pas déterminer qui en a besoin avant qu'il ne soit trop tard . Le problème principal est que les gens meurent si brusquement qu'il est presque impossible de savoir ce qui se passait à l'intérieur du cœur juste avant ; les autopsies révèlent des détails structurels mais pas le fonctionnement électrique immédiatement avant le décès .

Prochaines étapes

Les chercheurs prévoient de déployer l'algorithme dans les systèmes de santé pour aider les médecins à mieux identifier les patients qui ont besoin d'un défibrillateur interne . L'étude ouvre également la voie à de nouvelles recherches sur le mécanisme physiologique sous-jacent aux dysfonctionnements électriques cardiaques. Obermeyer a déclaré que l'objectif est de "non seulement prendre de meilleures décisions, mais aussi de commencer à comprendre ce qui se passe réellement chez ces patients avant que leur cœur ne s'arrête" . Comme les ECG sont des examens de routine, peu coûteux et disponibles dans les centres médicaux du monde entier, l'outil pourrait être déployé à grande échelle pour sauver des vies .