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
.
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
.
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
.
Comments
0 comments