Selon une étude américaine publiée en août par The Lancet, un algorithme d’intelligence artificielle (IA) a réussi à détecter la signature d’une fibrillation atriale intermittente en l’absence des signaux classiques sur l’électrocardiogramme (ECG),
Pour cela, les chercheurs ont utilisé un réseau de neurones convolutionnel qui a analysé les données de 454 789 tracés d’ECG classiques, réalisés pendant 10 secondes lors d’un rythme sinusal normal auprès d’un total de 126 526 patients avec ou sans fibrillation atriale (cohorte d’entraînement), entre 1993 et 2017.
La signature ECG identifiée par l’IA, permettant de distinguer les patients avec une fibrillation atriale de ceux n’en ayant pas, a ensuite été évaluée dans une cohorte de validation de 64 640 ECG provenant de 18 116 patients, puis testée sur les 130 802 ECG de 36 280 patients dont 8,4 % avaient une fibrillation atriale diagnostiquée avant la réalisation de l’ECG.
Testé sur un seul tracé pour un patient, l’algorithme a identifié la présence d’une fibrillation atriale avec une sensibilité de 79 %, une spécificité de 79,5 %, une aire sous la courbe (AUC) de 0,87 et une précision globale de 79,4 %.
En incluant tous les tracés ECG réalisés pour un même patient dans un délai d’un mois, la sensibilité passe à 82,3 %, la spécificité à 83,4 %, l’AUC à 0,9 et la précision globale à 83,3 %.
Il s’agit de la première étude dans laquelle une méthode d’apprentissage profond (deep learning) est utilisée pour identifier des patients avec potentiellement une fibrillation atriale non détectée, observe The Lancet dans un communiqué. [En savoir plus]
