5 types d’insuffisance cardiaque découverts grâce à la technologie de l’IA

Cinq types différents d’insuffisance cardiaque, qui ont le potentiel de prédire le risque futur pour les patients individuels, ont été découverts par des chercheurs de l’UCL dans une étude récente.

L’insuffisance cardiaque est un terme général lorsque le cœur ne parvient pas à faire circuler efficacement le sang dans tout le corps [1]. Les méthodes actuelles de catégorisation de l’insuffisance cardiaque ne permettent pas de prévoir précisément l’évolution de la maladie.

Les chercheurs ont examiné les données détaillées et anonymisées des patients de plus de 300 000 personnes âgées de 30 ans et plus qui avaient reçu un diagnostic d’insuffisance cardiaque au Royaume-Uni sur une période de 20 ans dans le cadre de l’étude, qui a été publiée dans The Lancet Digital Health [2].

En utilisant diverses techniques d’apprentissage automatique, les chercheurs ont découvert cinq sous-types de maladies cardiaques. Ceux-ci comprennent l’apparition précoce, l’apparition tardive, métabolique (associée à l’obésité et à de faibles taux de maladies cardiovasculaires), cardiométabolique (liée à l’obésité et aux maladies cardiovasculaires) et liée à la fibrillation auriculaire (la fibrillation auriculaire est une affection qui provoque un rythme cardiaque irrégulier).

Selon les résultats de la recherche, la probabilité de décès des patients dans l’année suivant le diagnostic variait selon les sous-types. Voici les risques de mortalité sur un an correspondants pour toutes les causes : apparition précoce (20 %), apparition tardive (46 %), liée à la fibrillation auriculaire (61 %), métabolique (11 %) et cardiométabolique (37 %).

Les chercheurs ont conçu une application que les cliniciens peuvent utiliser pour identifier les sous-types d’insuffisance cardiaque des individus. Cela peut améliorer la précision des prédictions des risques futurs et fournir des informations importantes pour les consultations des patients.

L’auteur principal, le professeur Amitava Banerjee de l’UCL Institute of Health Informatics, a expliqué que l’objectif était d’améliorer la classification de l’insuffisance cardiaque, d’acquérir une meilleure compréhension de sa progression probable et de la communiquer efficacement aux patients. À l’heure actuelle, il est difficile de prévoir la progression de la maladie pour chaque patient, certains étant stables pendant plusieurs années tandis que d’autres se détériorent rapidement.

“Une meilleure identification et classification des différents sous-types d’insuffisance cardiaque peut potentiellement aboutir à des stratégies de traitement plus précises et permettre une nouvelle perspective sur les thérapies potentielles.”

“Dans les dernières recherches, nous avons identifié avec succès cinq sous-types robustes à l’aide de diverses techniques d’apprentissage automatique et d’ensembles de données.”

“La prochaine étape consiste à évaluer si la classification de l’insuffisance cardiaque démontrée a des implications pratiques pour les patients en termes de prédiction des risques, de qualité du diagnostic et de changements dans le traitement des patients. En outre, la rentabilité de l’application proposée doit également être examinée. Bien que d’autres essais cliniques et recherches soient nécessaires, l’application conçue pourrait bénéficier aux soins de routine.

Les chercheurs ont utilisé quatre méthodes pour regrouper les cas d’insuffisance cardiaque afin d’éviter les biais d’une seule technique d’apprentissage automatique. Ils ont utilisé ces approches sur des données obtenues à partir de deux vastes ensembles de données sur les soins primaires au Royaume-Uni, décrivant avec précision l’ensemble de la population britannique.

De plus, ces ensembles de données ont été liés aux dossiers des admissions à l’hôpital et des décès. Les ensembles de données, à savoir Clinical Practice Research Datalink (CPRD) et The Health Improvement Network (THIN), couvraient la période de 1998 à 2018.

L’équipe de recherche a formé les outils d’apprentissage automatique sur des parties spécifiques des données. Après avoir identifié les sous-types les plus robustes, l’équipe a recoupé ces classifications à l’aide d’un ensemble de données distinct.

La classification des sous-catégories a été déterminée en évaluant 87 facteurs sur un potentiel de 635, qui englobaient l’âge, les indicateurs d’autres maladies, la symptomatologie, les médicaments prescrits et les résultats des tests tels que la pression artérielle et les évaluations comme la fonction rénale.

L’équipe de recherche a examiné les informations de l’étude UK Biobank portant sur 9 573 patients souffrant d’insuffisance cardiaque. Leurs résultats indiquent que des types spécifiques d’insuffisance cardiaque sont associés à des scores de risque polygénique accrus (scores de risque global dus aux gènes dans leur ensemble) pour l’hypertension et la fibrillation auriculaire.

[1]https://www.nhlbi.nih.gov/health/heart-failure
[2]https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00065-1/fulltext

Photographie : stockasso/Envato