Intelligence Artificielle : comment est l'algorithme qui permet de diagnostiquer les crises cardiaques

Les symptômes d'une crise cardiaque ressemblent parfois à des affections sans rapport avec cet organe, ce qui peut rendre le diagnostic difficile. Les techniques d'évaluation de ces situations lorsqu'elles surviennent sont les dosages de troponine à haute sensibilité .

Cette substance est un type de protéine présente dans les muscles du cœur. Lorsqu'il subit des dégâts, il les libère dans la circulation sanguine. À mesure que la détérioration augmente, une plus grande quantité est libérée dans le sang. Sa détection est donc aujourd'hui la stratégie recommandée contre une éventuelle crise cardiaque, mais elle présente des limites importantes.

En conséquence, l'intelligence artificielle (IA) est utilisée pour fournir aux médecins un moyen rapide et précis de diagnostiquer les crises cardiaques, offrant potentiellement une réduction du temps de diagnostic et offrant un traitement plus efficace et efficient aux patients. Les résultats de cette étude ont été publiés dans la revue Nature Medicine .

De nombreux hôpitaux du monde entier ont adopté des voies de diagnostic qui incluent le test des niveaux de troponine lorsqu'une personne est admise pour une crise cardiaque suspectée. Método estrella para este tipo de diagnóstico, se realiza con la medición de los niveles de la troponina en la sangre , cuyos niveles generalmente aumentan bruscamente dentro de las tres a 12 horas posteriores a un ataque cardíaco, y alcanzan su punto máximo después de aproximadamente 24 Heures.

Mais ils ont des difficultés qui entraînent des retards dans le traitement lorsqu'il est nécessaire. Par exemple, ils nécessitent la collecte d'échantillons de sang à une heure fixe , ce qui peut être difficile dans le cadre d'un service d'urgence ; ils classent uniquement les patients en catégories à risque faible, intermédiaire ou élevé de crise cardiaque sans tenir compte d'autres informations importantes telles que le début des symptômes ou les résultats de l'électrocardiogramme (ECG) ; et, ils ne tiennent pas compte de l'influence du sexe, de l'âge et des comorbidités.

nouveaux calculs

Aujourd'hui, au Royaume-Uni, un algorithme d'apprentissage automatique basé sur l'IA a été développé, rapide et précis. Appelé Collaborative for the Diagnosis and Evaluation of Acute Coronary Syndrome (CoDE-ACS), le nouveau calcul a été conçu pour déterminer la probabilité d'une crise cardiaque pour un patient individuel.

Les données ont été utilisées à partir de 10 286 personnes qui ont eu des crises cardiaques possibles dans six pays à travers le monde. L'algorithme d'apprentissage automatique a appris des estimations en utilisant le sexe, l'âge, les résultats de l'ECG et les antécédents médicaux du sujet, en plus des niveaux de troponine, pour identifier la probabilité qu'une crise cardiaque se soit produite.

Par rapport aux méthodes existantes, les chercheurs ont découvert que le CoDE-ACS pouvait exclure une crise cardiaque chez plus de deux fois plus de patients, avec une précision de 99,6 % . L'algorithme a prédit avec précision la crise cardiaque dans des sous-groupes, y compris les hommes et les femmes, les personnes âgées, les personnes souffrant d'insuffisance rénale (rein) ou les sujets qui se sont présentés à l'hôpital peu de temps après l'apparition des symptômes.

L'algorithme CoDE-ACS pourrait empêcher les hospitalisations inutiles chez les patients peu susceptibles d'avoir eu une crise cardiaque ou ceux à faible risque de lésions du muscle cardiaque ou de décès après une crise cardiaque. Cela rendrait le traitement d'urgence plus efficace et efficient, en identifiant quelles personnes peuvent rentrer chez elles en toute sécurité et lesquelles doivent rester pour des tests supplémentaires.

Pour les patients souffrant de douleurs thoraciques aiguës dues à une crise cardiaque, un diagnostic et un traitement précoces sauvent des vies. Malheureusement, de nombreuses affections provoquent ces symptômes courants et le diagnostic n'est pas toujours facile. L'exploitation des données et de l'intelligence artificielle pour appuyer les décisions cliniques offre un potentiel énorme pour améliorer les soins aux patients et l'efficacité dans nos services d'urgence très fréquentés.

Dimitrios Doudesis, Kuan Ken Lee, Jasper Boeddinghaus, Anda Bularga, Amy V. Ferry, Chris Tuck, Matthew TH Lowry, Pedro Lopez-Ayala, Thomas Nestelberger, Luca Koechlin, Miguel O. Bernabeu, Lis Neubeck, Atul Anand, Karen Schulz, Fred S. Apple, William Parsonage, Jaimi H. Greenslade, Louise Cullen, John W. Pickering, Martin P. Than, Alasdair Gray et Christian Mueller.

*Nicholas Mills, est l'auteur de l'étude et spécialiste de la British Heart Foundation, appartenant au Centre de l'Université d'Edimbourg pour les sciences cardiovasculaires.

Continuer à lire