Des chercheurs développent un modèle d’apprentissage profond capable de prédire l’arythmie cardiaque 30 minutes avant qu’elle ne se produise

Des chercheurs développent un modèle d’apprentissage profond capable de prédire l’arythmie cardiaque 30 minutes avant qu’elle ne se produise

Accueil » Psychologie » Troubles mentaux » Adulte » Des chercheurs développent un modèle d’apprentissage profond capable de prédire l’arythmie cardiaque 30 minutes avant qu’elle ne se produise

La fibrillation auriculaire est l'arythmie cardiaque la plus courante dans le monde, avec environ 59 millions de personnes concernées en 2019. Ce rythme cardiaque irrégulier est associé à des risques accrus d'insuffisance cardiaque, de démence et d'accident vasculaire cérébral. Elle constitue un fardeau important pour les systèmes de santé, ce qui fait de sa détection et de son traitement précoces un objectif majeur.

Des chercheurs du Luxembourg Centre for Systems Biomedicine (LCSB) de l’Université du Luxembourg ont récemment développé un modèle d’apprentissage profond capable de prédire la transition d’un rythme cardiaque normal à une fibrillation auriculaire. Il donne des alertes précoces en moyenne 30 minutes avant l'apparition, avec une précision d'environ 80 %. Ces résultats, publiés dans la revue scientifique Motifsouvrent la voie à l'intégration dans les technologies portables, permettant des interventions précoces et de meilleurs résultats pour les patients.

Lors de la fibrillation auriculaire, les cavités supérieures du cœur battent de manière irrégulière et ne sont pas synchronisées avec les ventricules. Le retour à un rythme régulier peut nécessiter des interventions intensives, allant du choc du cœur au rythme sinusal normal jusqu'à la suppression d'une zone spécifique responsable de signaux défectueux.

Être capable de prédire suffisamment tôt un épisode de fibrillation auriculaire permettrait aux patients de prendre des mesures préventives pour maintenir leur rythme cardiaque stable. Cependant, les méthodes actuelles basées sur l’analyse des données de fréquence cardiaque et d’électrocardiogramme (ECG) ne permettent de détecter la fibrillation auriculaire que juste avant son apparition et ne fournissent pas d’avertissement précoce.

“En revanche, nos travaux s'écartent de cette approche pour adopter un modèle de prédiction plus prospectif”, explique le professeur Jorge Goncalves, responsable du groupe Contrôle des systèmes au LCSB.

“Nous avons utilisé les données de fréquence cardiaque pour former un modèle d'apprentissage profond capable de reconnaître différentes phases (rythme sinusal, fibrillation pré-auriculaire et fibrillation auriculaire) et de calculer une “probabilité de danger” selon laquelle le patient aura un épisode imminent.” À l’approche de la fibrillation auriculaire, la probabilité augmente jusqu’à ce qu’elle franchisse un seuil spécifique, fournissant ainsi un avertissement précoce.

Prédire l'arythmie cardiaque 30 minutes avant qu'elle ne survienne

Ce modèle d'intelligence artificielle, appelé WARN (Warning of Atrial fibRillatioN), a été entraîné et testé sur des enregistrements de 24 heures collectés auprès de 350 patients de l'hôpital Tongji (Wuhan, Chine) et a donné des alertes précoces, en moyenne 30 minutes avant le début de la fibrillation auriculaire, avec une grande précision. Par rapport aux travaux antérieurs sur la prédiction des arythmies, WARN est la première méthode à fournir un avertissement loin de son apparition.

“Un autre aspect intéressant est que notre modèle a de hautes performances en utilisant uniquement des intervalles R-à-R, essentiellement des données de fréquence cardiaque, qui peuvent être acquises à partir d'enregistreurs de signaux de pouls faciles à porter et abordables tels que des montres intelligentes”, explique le Dr. Marino Gavidia, premier auteur de la publication, qui a travaillé sur ce projet pendant son doctorat. au sein du groupe Contrôle des Systèmes et de l'Unité de Formation Doctorale CriTiCS (voir encadré ci-dessous).

“Ces appareils peuvent être utilisés quotidiennement par les patients, nos résultats ouvrent donc des possibilités pour le développement d'une surveillance en temps réel et d'alertes précoces à partir d'appareils portables confortables”, ajoute le Dr Arthur Montanari, chercheur au LCSB impliqué dans le projet.

De plus, le modèle d’apprentissage profond développé par les chercheurs pourrait être implémenté dans les smartphones pour traiter les données d’une montre intelligente. Ce faible coût de calcul le rend idéal pour l’intégration dans les technologies portables.

L'objectif à long terme est que les patients puissent surveiller en permanence leur rythme cardiaque et recevoir des alertes précoces qui peuvent leur donner suffisamment de temps pour prendre des médicaments antiarythmiques ou utiliser certains traitements ciblés pour prévenir l'apparition d'une fibrillation auriculaire. Cela réduirait à son tour les interventions d’urgence et améliorerait les résultats pour les patients.

“À l'avenir, nous nous concentrerons sur le développement de modèles personnalisés. L'utilisation quotidienne d'une simple montre intelligente fournit constamment de nouvelles informations sur la dynamique cardiaque personnelle, nous permettant d'affiner et de recycler continuellement notre modèle pour que ce patient obtienne des performances améliorées avec des avertissements encore plus précoces.” conclut le professeur Goncalves. “À terme, cette approche pourrait même conduire à de nouveaux essais cliniques et à des interventions thérapeutiques innovantes.”

Publications similaires