IA prédictive : insuffisance cardiaque

L'insuffisance cardiaque à fraction d'éjection préservée (ICFEp) est difficile à diagnostiquer en raison de l'absence de marqueur diagnostique définitif ; de nombreux tests sont nécessaires, notamment des évaluations avancées. Cette étude visait à développer un modèle d'électrocardiogramme (ECG) établi sur l'intelligence artificielle (IA) pour prédire l'ICFEp.

Cette étude de cohorte rétrospective a inclus des patients d'un même centre tertiaire ayant subi une échocardiographie, un dosage de la prohormone N-terminale du peptide natriurétique de type B et un ECG dans un délai défini. Les patients ont été classés comme ICFEp (score HFA-PEFF ≥ 5) ou témoins (score HFA-PEFF < 5). Les patients ont été répartis en sous-groupes d'entraînement, de validation et de test selon un ratio de 7:1:2 pour le développement et la validation du modèle. À partir des ECG collectés, un réseau neuronal convolutif a été entraîné pour prédire l'ICFEp ; ses performances ont été évaluées à l'aide de l'aire sous la courbe caractéristique d'exploitation du récepteur (AUROC).

Parmi les 13 081 patients inclus, 5 795 (44,3 %) ont été classés comme ICFEp et 7 286 (55,7 %) comme témoins. Le modèle ECG basé sur l'IA a démontré une bonne performance discriminante (AUROC 0,81 ; intervalle de confiance [IC] à 95 % 0,79–0,82). Les analyses de sous-groupes stratifiées selon les facteurs de risque d'ICFEp ont confirmé la cohérence des performances du modèle. L'évaluation pronostique a révélé que les patients avec une classification AI-ECG ont connu des résultats significativement plus mauvais par rapport à ceux avec une classification négative, y compris des risques plus élevés de décès cardiaque (1,1 % contre 0,1 % ; rapport de risque 9,56 ; IC à 95 % 1,24–73,53 ; P = 0,030) et d'hospitalisation pour insuffisance cardiaque (2,8 % contre 0,6 % ; rapport de risque 5,91 ; IC à 95 % 2,08–16,81 ; P = 0,001) à 5 ans.

Conclusions

Le modèle AI-ECG est un outil fiable pour prédire l'ICFEp, telle que définie par le score HFA-PEFF, et permet de stratifier efficacement les patients en fonction du pronostic. Son intégration à la pratique clinique pourrait simplifier et améliorer le diagnostic de l'ICFEp.