Un modèle d’ECG fondé sur l’IA montre un potentiel pour prévoir le risque d’AVC dix ans à l’avance

Un examen cardiaque de routine pourrait aider à repérer le risque d’AVC des années avant l’apparition des symptômes

Une équipe de recherche codirigée par des chercheurs de Mass General Brigham et du Broad Institute a mis au point un modèle d’intelligence artificielle qui utilise un électrocardiogramme standard, ou ECG, pour estimer le risque d’AVC d’un patient jusqu’à 10 ans dans le futur. Le système, appelé ECG2Stroke, a été entraîné et validé sur des données provenant de plus de 200 000 patients et est conçu pour fonctionner à partir d’un seul ECG de 10 secondes, en plus de l’âge et du sexe du patient.

Ce travail ouvre la voie à une méthode potentiellement évolutive pour identifier des personnes qui, autrement, pourraient échapper aux outils de dépistage traditionnels. La prévention de l’AVC dépend souvent de la détection précoce d’un risque élevé, afin de pouvoir agir à temps, mais l’évaluation clinique du risque peut être lourde et n’est pas toujours utilisée de manière cohérente dans les soins courants. En s’appuyant sur un examen non invasif, largement disponible et déjà courant en cardiologie, les chercheurs estiment que l’IA pourrait aider à combler cette lacune.

Ce que le modèle a appris de l’ECG

Plutôt que de dépendre d’une longue liste de variables cliniques, ECG2Stroke recherche des motifs subtils de forme d’onde dans l’activité électrique du cœur. Les chercheurs ont indiqué que le modèle obtenait des performances similaires à celles d’un score clinique validé dans différents hôpitaux et sous-groupes de patients, tout en utilisant un ensemble d’entrées beaucoup plus restreint. C’est important, car les ECG sont peu coûteux, rapides et déjà intégrés aux flux de travail cliniques quotidiens.

Le modèle a été développé à partir de données de patients du Massachusetts General Hospital, puis testé chez des patients du Brigham and Women’s Hospital et du Beth Israel Deaconess Medical Center. Cette validation multicentrique donne davantage de poids aux résultats qu’une simple preuve de concept sur un seul site, même si elle reste loin d’un déploiement en conditions réelles.

Signal le plus fort : l’AVC cardioembolique

Parmi les résultats les plus importants figurait la précision du modèle dans la prédiction de l’AVC cardioembolique, un sous-type causé lorsque des caillots se forment dans le cœur puis migrent vers le cerveau. Les chercheurs ont indiqué que des caractéristiques de l’ECG liées à un dysfonctionnement des oreillettes, les cavités supérieures du cœur, avaient une influence disproportionnée sur les prédictions. Cela est cliniquement pertinent, car les AVC cardioemboliques peuvent souvent être évités par des anticoagulants si les patients à haut risque sont identifiés à temps.

En pratique, le modèle semble détecter des traces de vulnérabilité cardiaque qui ne sont pas forcément visibles à la lecture standard d’un ECG. Si ces signaux se confirment dans des études prospectives, l’outil pourrait aider les cliniciens à prioriser les patients pour une surveillance plus étroite ou un traitement préventif.

Pourquoi cela pourrait compter en pratique

L’intérêt d’ECG2Stroke tient non seulement à ses performances, mais aussi à son intégration dans les flux de travail. Les outils existants d’évaluation du risque d’AVC peuvent être précis, mais leur mise en œuvre à grande échelle n’est pas toujours simple. Un système capable de fonctionner automatiquement sur un ECG déjà recueilli dans le cadre des soins pourrait être déployé plus largement, en particulier dans les systèmes de santé à la recherche de moyens peu contraignants pour identifier les risques évitables.

Cela ne signifie pas que le modèle soit prêt à transformer à lui seul les soins. Les auteurs ont clairement indiqué qu’une confirmation prospective en conditions réelles reste nécessaire. La performance prédictive sur des jeux de données rétrospectifs constitue une étape importante, mais ce n’est pas la même chose que de démontrer que les cliniciens peuvent utiliser l’outil efficacement, en toute sécurité et équitablement dans des environnements de soins réels.

Une question plus large se pose aussi quant à la manière dont un tel modèle serait utilisé. Certains patients identifiés comme à haut risque pourraient avoir besoin d’un suivi du rythme, d’une imagerie, ou d’une prise en charge plus agressive d’autres facteurs de risque cardiovasculaire. D’autres pourraient bénéficier d’une surveillance attentive plutôt que d’une intervention immédiate. La valeur de l’outil dépendra non seulement de la précision des prédictions, mais aussi de son intégration dans les circuits de décision.

Un pas vers une prévention plus passive

Malgré ces réserves, l’étude s’ajoute à un corpus croissant de travaux montrant que l’IA peut extraire des signaux cliniquement pertinents à partir d’examens déjà présents dans le système de santé. L’ECG est depuis longtemps utilisé pour diagnostiquer des problèmes cardiaques aigus ou déjà connus. Cette recherche suggère qu’il pourrait aussi servir d’outil discret de prévision des risques neurologiques futurs.

En médecine de l’AVC, c’est une idée convaincante. Les AVC sont souvent dévastateurs, et la prévention est bien plus efficace que le traitement a posteriori. Si un ECG de 10 secondes peut aider à repérer des patients qui méritent une attention plus soutenue des années avant qu’un événement ne survienne, il pourrait faire passer une partie de la prévention de l’AVC d’une prise en charge réactive à un dépistage plus précoce et plus routinier. La prochaine question est de savoir si cette promesse résiste au contact de la médecine quotidienne.

Cet article s’appuie sur un reportage de Medical Xpress. Lire l’article original.