IA Révolutionne la Détection Précoce des Risques Cardiaques : Un Algorithme Prometteur

Une avancée majeure dans la prévention des maladies cardiovasculaires ! Un algorithme d’intelligence artificielle (IA) se révèle capable de quantifier automatiquement le calcium de l’artère coronaire (CAC) à partir de scanners thoraciques de routine. Cette innovation pourrait transformer la manière dont les risques cardiaques sont évalués et pris en charge.

Un Algorithme d’IA pour une Évaluation Précoce du Risque Cardiovasculaire

Des chercheurs ont mis au point un algorithme d’apprentissage profond (DL) qui analyse les tomodensitogrammes thoraciques non cardiaques pour détecter et quantifier le CAC. Cette méthode opportuniste permet d’identifier les personnes à risque de crise cardiaque bien avant l’apparition de symptômes.

Selon une étude publiée dans *Nejm qui* le 16 juin, cet outil pourrait aider les cliniciens à évaluer plus largement le risque cardiovasculaire de leurs patients. L’auteur principal, Hugo Aerts, PhD, affilié au général de masse Brigham à Boston, souligne que des millions de tomodensitogrammes thoraciques sont réalisés chaque année, souvent pour dépister le cancer du poumon, et que des informations cruciales sur le risque cardiaque passent ainsi inaperçues.

L’IA a le potentiel de transformer la pratique médicale en permettant une intervention précoce, avant que la maladie cardiaque ne progresse vers un événement cardiaque majeur.

Comment Fonctionne l’Algorithme AI-CAC ?

L’algorithme AI-CAC a été développé pour analyser les tomodensitogrammes thoraciques et identifier les dépôts de calcium dans le cœur et les artères, indicateurs d’un risque accru de crise cardiaque. Traditionnellement, la quantification du CAC nécessite des tomodensitogrammes spécifiques synchronisés avec le rythme cardiaque.

L’équipe de recherche a émis l’hypothèse que le CAC pouvait être détecté même sur des analyses non cardiaques. L’algorithme a été entraîné à l’aide de 446 segmentations pour quantifier automatiquement le CAC sur des tomodensitogrammes non contrastés et non comprimés, permettant ainsi de prédire le risque d’événements cardiovasculaires.

Des Résultats Prometteurs

Les données utilisées provenaient de 98 centres médicaux du système national de santé des anciens combattants. Les performances de l’algorithme ont été comparées à la notation du CAC à l’électrocardiogramme (ECG) chez 795 patients ayant des scans cardiaques dans l’année suivant leur scan non cardiaque. Le modèle a également été testé sur 8 052 CT à faible dose pour simuler le dépistage opportuniste du CAC.

Les résultats sont encourageants :

• Le modèle AI-CAC était précis à 89,4% pour déterminer si un scan contenait ou non du CAC.
• Pour les personnes atteintes de CAC, le modèle était précis à 87,3% pour déterminer si le score était supérieur ou inférieur à 100, suggérant un risque cardiovasculaire modéré.
• L’AI-CAC était également prédictive de la mortalité toutes causes confondues à plus de 10 ans : un score CAC supérieur à 400 multipliait par 3,49 le risque de décès sur une période de 10 ans par rapport à un score de 0.
• Parmi les patients identifiés par le modèle comme ayant des scores de CAC supérieurs à 400, 99,2% bénéficieraient d’une thérapie hypolipidémiante, selon l’avis de quatre cardiologues.

Vers un Dépistage Opportuniste du CAC

les auteurs de l’étude sont optimistes quant aux perspectives de dépistage opportuniste du CAC. Raffi Hagopian, MD, du système de santé des anciens combattants de Long Beach en Californie, souligne que les systèmes d’imagerie contiennent des millions de tomodensitogrammes non cardiaques qui pourraient être exploités pour l’évaluation des risques cardiovasculaires.

L’utilisation de l’IA pour la détection du CAC pourrait transformer la médecine en passant d’une approche réactive à une approche proactive, réduisant ainsi la morbidité, la mortalité et les coûts de santé.