Des chercheurs de l’UC Berkeley ont entraîné un algorithme d’apprentissage profond sur 440 000 électrocardiogrammes suédois, jumelés aux certificats de décès. L’étude révèle un signal électrique invisible à l’œil humain capable d’identifier les patients menacés d’arrêt cardiaque soudain, une pathologie qui tue plus de 300 000 Américains chaque année sans signe avant-coureur.
Chaque année, plus de 300 000 Américains succombent à un arrêt cardiaque sans avoir présenté le moindre symptôme préalable. Une équipe de l’Université de Californie à Berkeley propose de changer la donne : elle vient de montrer qu’un algorithme d’apprentissage profond peut débusquer, dans un électrocardiogramme de routine, un signal électrique annonciateur que l’œil humain ne perçoit pas.
Un signal électrique insaisissable
Dirigée par Ziad Obermeyer, professeur associé à la School of Public Health et médecin urgentiste, l’équipe a entraîné son modèle sur plus de 440 000 électrocardiogrammes issus du système de santé unifié de Suède. Les tracés étaient jumelés aux certificats de décès correspondants sur une fenêtre de six ans. L’algorithme a ensuite été validé sur des cohortes indépendantes provenant d’un réseau hospitalier de San Diego et d’un autre à Taipei.
La mort cardiaque subite ne ressemble en rien à une crise cardiaque classique. Là où l’infarctus résulte d’artères bouchées, privant le muscle cardiaque d’oxygène, l’arrêt soudain provient d’un dérèglement électrique foudroyant. « Ce qui rend ce problème particulièrement tragique, mais aussi très bien adapté à l’IA, c’est que nous disposons d’un remède », résume Ziad Obermeyer. « Si vous saviez que vous faisiez partie des personnes sur le point de mourir subitement, vous iriez voir un cardiologue et vous vous feriez implanter un défibrillateur. Le problème, c’est que les médecins ne peuvent pas déterminer qui en a besoin avant qu’il ne soit trop tard. »
Le système mis au point par les chercheurs identifie un groupe à haut risque dont le taux annuel de mort cardiaque subite atteint 7 %, contre 4,6 % pour les examens cliniques standards qui mesurent la fraction d’éjection du ventricule gauche. Plus révélateur encore : l’algorithme a repéré un nombre de patients bien supérieur à celui qu’auraient désigné les recommandations médicales en vigueur. La plupart de ces malades semblaient peu exposés selon les critères conventionnels.
Une décennie de collecte et de validation
Compiler les données nécessaires à pareille étude n’a rien eu d’une sinécure. Ziad Obermeyer évoque un travail d’environ dix ans, mobilisant deux structures qu’il a lui-même cofondées : Dandelion Health et Nightingale Open Science. La difficulté tient à la nature même du phénomène : l’arrêt cardiaque soudain ne laisse quasiment aucune trace mesurable sur les examens de routine. Le modèle a dû apprendre à corréler d’infimes variations de la forme d’onde électrique avec des événements parfois distants de plusieurs années.
L’approche repose sur une architecture d’apprentissage profond capable de digérer des volumes massifs de tracés électrocardiographiques bruts, sans que les médecins aient à prédéfinir les caractéristiques à surveiller. L’algorithme découvre seul les motifs pertinents, y compris ceux qui échappent aux grilles de lecture forgées par des décennies de pratique clinique.
Vers un déploiement clinique progressif
L’équipe d’Obermeyer ne s’arrête pas à la publication académique. Des discussions sont déjà engagées avec des systèmes de santé en Suède, à Taïwan et aux États-Unis pour intégrer l’algorithme aux bases de données d’électrocardiogrammes hospitaliers. Concrètement, les patients dont le tracé serait jugé préoccupant recevraient une notification et se verraient proposer le port d’un patch de surveillance cardiaque en continu. Cet enregistrement prolongé pourrait, le cas échéant, justifier l’implantation d’un défibrillateur.
Au-delà de l’outil prédictif, les scientifiques espèrent que les caractéristiques de la forme d’onde mises en évidence par l’intelligence artificielle éclaireront un mécanisme physiologique encore inconnu. Comprendre pourquoi certains cœurs basculent brutalement dans le chaos électrique ouvrirait des voies de recherche inédites, tant pour la prévention que pour la pharmacologie cardiovasculaire. Un horizon qui, pour l’heure, reste à explorer.
Source : UC Berkeley
