Les outils d'IA montrent des perspectives prometteuses dans la détection des maladies valvulaires cardiaques

L'intelligence artificielle (IA) réalise des progrès significatifs dans le domaine des soins de santé, avec deux études révolutionnaires qui seront présentées lors des Sessions scientifiques 2023 de l'American Heart Association. Ces études mettent en évidence le potentiel de l'IA dans la détection des maladies valvulaires cardiaques et la prédiction du risque de maladie cardiovasculaire (MCV). Dirigées par des chercheurs de renom, ces études offrent des résultats prometteurs qui pourraient révolutionner la manière dont les maladies cardiovasculaires sont diagnostiquées et gérées.

Une étude pionnière menée dans trois centres de soins primaires aux États-Unis a démontré le pouvoir de l'IA dans l'identification des maladies valvulaires cardiaques non diagnostiquées. Les méthodes traditionnelles de détection des problèmes de valves cardiaques reposent souvent sur les compétences des professionnels de santé utilisant des stéthoscopes standards. Cependant, cette étude visait à comparer les performances des cliniciens humains avec celles d'un programme d'IA utilisant des données sonores provenant d'un stéthoscope numérique.

L'étude : Principaux résultats

369 adultes âgés de 50 ans et plus, sans antécédent de diagnostic de maladie valvulaire cardiaque, ont participé à l'étude. Les cliniciens humains et les stéthoscopes numériques basés sur l'IA ont examiné les participants.

Aucun des professionnels de santé n'était au courant des résultats de l'IA ou des échocardiogrammes, garantissant une étude en aveugle.

La méthode d'IA utilisant le stéthoscope numérique a détecté un impressionnant 94,1 % des cas de maladie valvulaire cardiaque, contre seulement 41,2 % détectés par les cliniciens humains avec des stéthoscopes standards. L'IA a identifié 22 cas précédemment non diagnostiqués de maladie valvulaire cardiaque modérée ou plus grave, tandis que les cliniciens humains n'en ont identifié que 8.

Le Dr Moshe Rancier, directeur médical senior de Mass General Brigham Community Physicians à Lawrence, dans le Massachusetts, a souligné l'importance des résultats de cette étude. Il a noté que les maladies valvulaires cardiaques non diagnostiquées ou diagnostiquées tardivement peuvent avoir des conséquences désastreuses et imposer une charge substantielle au système de santé. Le stéthoscope numérique activé par l'IA offre un outil de dépistage plus efficace et performant pour les maladies valvulaires cardiaques, pouvant potentiellement conduire à des diagnostics plus précoces et à de meilleurs résultats pour les patients.

Limites de l'étude et orientations futures

Bien que l'étude ait démontré la haute sensibilité de la méthode d'IA dans la détection des maladies valvulaires cardiaques, les cliniciens humains utilisant des stéthoscopes standards étaient plus spécifiques dans leurs diagnostics, réduisant ainsi le potentiel de faux positifs. D'autres recherches seront nécessaires pour évaluer les résultats cliniques et les tests diagnostiques et traitements supplémentaires dans une population de patients plus large et plus diversifiée.

La deuxième étude, basée sur les données de la UK Biobank, a exploré l'utilisation de l'IA pour prédire le risque d'événements cardiovasculaires par l'analyse d'images rétiniennes. Cette approche innovante repose sur des algorithmes d'apprentissage profond pour évaluer les images de l'arrière de l'œil et déterminer le risque des individus d'éprouver des événements cardiovasculaires, tels que des crises cardiaques et des accidents vasculaires cérébraux.

L'étude comprenait 1 101 individus atteints de prédiabète ou de diabète de type 2.

Les chercheurs ont catégorisé les participants en groupes à faible risque, à risque modéré et à risque élevé sur la base de l'analyse d'images rétiniennes par l'IA. Sur une période médiane de 11 ans, 8,2 % des personnes du groupe à faible risque, 15,2 % du groupe à risque modéré et 18,5 % du groupe à risque élevé ont subi des événements de maladie cardiovasculaire.

Après avoir pris en compte divers facteurs de risque, y compris l'âge, le sexe, l'utilisation de médicaments et les antécédents de tabagisme, les individus du groupe à risque modéré avaient 57 % plus de chances de subir un événement cardiovasculaire que ceux du groupe à faible risque. Les individus à risque élevé avaient 88 % plus de chances.

Le Dr Chan Joo Lee, auteur principal de l'étude et maître de conférences à l'Université Yonsei à Séoul, en Corée, a mis en évidence le potentiel de l'analyse d'images rétiniennes par l'IA dans la détection précoce et la gestion des risques de maladie cardiaque dans les groupes à risque élevé. Cette approche pourrait conduire à des interventions opportunes et à de meilleurs résultats pour les patients atteints de prédiabète et de diabète de type 2.

Bien que l'étude ait exploité un grand ensemble de données de la UK Biobank, la population était principalement d'ascendance européenne, soulevant des questions sur l'applicabilité de ces résultats à des groupes raciaux et ethniques plus diversifiés. D'autres recherches seront nécessaires pour valider l'efficacité de l'imagerie rétinienne par rapport à d'autres outils d'évaluation du risque cardiovasculaire.

Implications et orientations futures

Les résultats prometteurs de ces deux études soulignent le potentiel transformateur de l'IA dans le domaine du diagnostic et de l'évaluation des risques des maladies cardiovasculaires. Le Dr Dan Roden, expert de premier plan en médecine personnalisée au centre médical de l'Université Vanderbilt, a exprimé son optimisme quant à l'avenir de l'IA dans les soins cardiovasculaires. Il a suggéré que la combinaison de stéthoscopes activés par l'IA avec d'autres modalités d'imagerie pourrait encore améliorer la détection des maladies valvulaires et autres maladies cardiaques, révolutionnant ainsi les soins cardiovasculaires.

Cependant, il est crucial d'aborder les limites de ces outils d'IA, y compris leur précision et leur applicabilité à des populations diverses. Des recherches et des études de validation futures seront essentielles pour garantir la fiabilité et l'efficacité de ces approches basées sur l'IA dans la pratique clinique.