Prédiction des infarctus du myocarde par occlusion aux urgences grâce à l'intelligence artificielle

Objectifs

 L'objectif était de développer un modèle d'intelligence artificielle (IA) pour prédire l'infarctus du myocarde par occlusion coronarienne aiguë (OMI) chez les patients souffrant de douleurs thoraciques aux urgences, en utilisant des informations largement disponibles dès le début de l'évaluation aux urgences.

Méthodes 

Dans une cohorte de 24 511 patients adultes consécutifs admis aux urgences pour douleur thoracique dans 5 hôpitaux suédois, les cas d’infarctus du myocarde d’origine inconnue (IMOI) ont été identifiés grâce aux données des registres et à l’examen manuel des dossiers médicaux et des angiographies. Les patients transportés par ambulance sans passer par les urgences en raison d’un infarctus du myocarde avec sus-décalage du segment ST (STEMI) ont été exclus de la cohorte. Un modèle d’intelligence artificielle d’apprentissage profond a été créé pour prédire les IMOI à partir de l’électrocardiogramme, éventuellement combiné à d’autres données recueillies précocement aux urgences, notamment les antécédents médicaux et les résultats des analyses biologiques initiales. Le modèle a été validé en interne sur des données indépendantes et comparé aux critères du STEMI.

Résultats 

Au total, 467 patients (1,9 %) ont été identifiés comme présentant un infarctus du myocarde d’origine myocardique (IMOM), soit 29 % de tous les cas d’infarctus aigu du myocarde. Le taux de mortalité à 30 jours était de 6,6 % pour l’IMOM, contre 3,3 % pour les autres cas. Seuls 5,4 % des patients atteints d’IMOM ont bénéficié d’une angiographie dans le délai maximal recommandé de 90 minutes après leur arrivée aux urgences. Le modèle d’intelligence artificielle a atteint une aire sous la courbe ROC (AUC) de 95,3 % (IC à 95 % : 93,8 %–97,3 %), avec une sensibilité de 62 %, contre 27 % pour les critères de l’infarctus du myocarde avec sus-décalage du segment ST (différence : 34,5 % ; IC à 95 % : 22,9 %–45,2 %), pour une spécificité identique de 97,4 %.

Résumé du processus d'annotation de l'infarctus du myocarde par occlusion (IMO). Aperçu du processus d'annotation de l'IMO. Uni-G STEMI désigne les diagnostics « équivalents à STEMI » issus du programme d'analyse ECG de l'Université de Glasgow (MacFarlane et al.). ²⁰ CABG : pontage aorto-coronarien ; CAG : coronarographie ; hs-cTnT : troponine T cardiaque à haute sensibilité ; NOMI : infarctus du myocarde par occlusion négative ; OMI : infarctus du myocarde par occlusion ; PCI : intervention coronarienne percutanée ; STEMI : infarctus du myocarde avec sus-décalage du segment ST ; TIMI : thrombolyse dans l'infarctus du myocarde.

Conclusion

Notre modèle d’IA a identifié l’infarctus du myocarde d’origine inconnue (IMOI) chez les patients se présentant aux urgences pour une douleur thoracique avec une aire sous la courbe (AUC) de 95 %. Cela représente une sensibilité deux fois supérieure à celle des critères de l’infarctus du myocarde avec sus-décalage du segment ST (STEMI) à spécificité égale. L’utilisation de ce modèle pourrait réduire le délai d’intervention, car actuellement, seul un cas d’IMOI sur 20 environ bénéficie d’une angiographie en temps opportun.

En résumé, nous avons développé un modèle d'IA capable de prédire l'infarctus du myocarde d'origine inconnue (IMOI) chez les patients se présentant aux urgences pour une douleur thoracique, avec une aire sous la courbe (AUC) d'environ 95 %, à partir de données couramment disponibles en début de processus diagnostique. À spécificité similaire (97,4 %), le modèle s'est avéré plus de deux fois plus sensible pour l'IMOI que les critères standard de l'infarctus du myocarde avec sus-décalage du segment ST (62 % contre 27 %). Près d'un tiers des patients présentant un infarctus du myocarde aigu (IDM) souffraient en réalité d'IMOI, avec un taux de mortalité à 30 jours doublé. Pourtant, seulement 5,4 % des patients atteints d'IMOI ont bénéficié d'une coronarographie dans les deux heures recommandées. Il est probable que nombre de ces patients auraient pu être identifiés plus tôt grâce à notre outil d'aide à la décision établi sur l'IA.

CHATPGT

Commentaire

Le DEEP LEARNING face au LLM ,tel est le sujet de l'article d'Eric TOPOL (*). Plus simplement  il faut faire la part des choses entre ce qui est validé et ce qui ne l'est pas en médecine. C'est une querelle médicale qui existe depuis des siècles, chaque fois que de nouvelles techniques arrivent. De plus il y a toujours les "POUR" et les "CONTRE", et en plus souvent ceux qui sont pour ne savent pas pourquoi, idem pour les contre. Il faut donc toujours en médecine intégrer dans la pratique ce qui est validé et valider ce qui ne l'est pas encore, quelle que soit la technique en cause... si "miraculeuse" soit-elle. En médecine, on veut toujours plus et plus encore, on franchit la ligne jaune à tort. La médecine est une science et non un "jeu vidéo", nous sommes dans la réalité et non dans la fiction ni dans la science-fiction. Parce que l'IA est à l'origine des chatbots,les patients s'imaginent qu'ils vont se passer de médecin, d'autant plus qu'il en manque… Cherchez l'erreur !  Beaucoup de techniques IA sont validées en médecine mais n'existent pas dans la vraie vie, désolant. 

À LIRE

 Contradiction entre imagerie et LLM

 https://medvasc.info/archives-blog/topol