Aller au contenu

Un simple tracé du cœur pourrait-il révéler un danger invisible ?

En bref

Un examen du cœur réalisé en quelques minutes pourrait contenir des signes d’un risque que les médecins ne repèrent pas toujours. Un programme a appris à les reconnaître dans des centaines de milliers de tracés. Il pourrait aider les médecins à repérer les personnes qui ont besoin d’une surveillance plus poussée, sans pour autant prédire avec certitude ce qui arrivera à chacune.

Des signes discrets dans un examen courant

À l’hôpital, un électrocardiogramme peut sembler n’être qu’un examen de routine qui ne prend que quelques minutes. Pourtant, il enregistre une activité électrique riche en informations sur le fonctionnement du cœur. Une étude menée par des chercheurs de l’Université de Californie à Berkeley suggère que l’intelligence artificielle pourrait analyser ces signaux et repérer des personnes exposées à une mort subite d’origine cardiaque, même si les méthodes habituelles ne les considèrent pas comme particulièrement à risque.

Cela ne signifie ni qu’un nouvel algorithme peut remplacer un cardiologue, ni que toute personne classée dans une catégorie à risque élevé fera un arrêt cardiaque. L’idée est plus nuancée : un outil d’analyse pourrait détecter, dans un examen simple, des indices difficiles à repérer avec les méthodes classiques. Il pourrait ainsi attirer l’attention des médecins sur des personnes pour lesquelles un suivi plus approfondi serait utile.

Les signaux électriques cachés dans un examen quotidien

L’électrocardiogramme, souvent désigné par les sigles EKG ou ECG, mesure les signaux qui coordonnent les contractions et le relâchement du cœur. Le résultat apparaît généralement sous forme de vagues, de pics et de creux. Mais ces formes ne sont pas de simples traits isolés : leurs relations et leurs variations subtiles peuvent renseigner sur l’état du cœur, même si ces informations ne ressortent pas lorsqu’on examine le tracé de la manière habituelle.

Pour mener leur étude, les chercheurs ont entraîné un programme informatique à repérer des configurations de signaux associées à une mort subite d’origine cardiaque ultérieure. Ils n’ont pas seulement comparé les tracés de personnes en bonne santé à ceux de patients ayant reçu un diagnostic cardiaque. Ils ont aussi relié les enregistrements aux informations figurant sur les certificats de décès, afin que le programme puisse apprendre à reconnaître les motifs présents chez des personnes décédées par la suite d’une mort subite d’origine cardiaque.

Les travaux ont été dirigés par Ziad Obermeyer, professeur associé à l’École de santé publique de l’Université de Californie à Berkeley. Médecin urgentiste, il mène des recherches à la croisée de la médecine, de l’intelligence artificielle et des politiques de santé. Les résultats ont été publiés dans la revue Nature. Ziad Obermeyer participe également au programme de santé de précision computationnelle commun à Berkeley et à l’Université de Californie à San Francisco.

Le signal repéré par le programme ne repose pas nécessairement sur une anomalie évidente qu’un médecin pourrait facilement reconnaître sur un électrocardiogramme. L’outil examine plutôt un ensemble de caractéristiques électriques et peut en extraire une configuration associée à un risque plus élevé. Les chercheurs ne savent toutefois pas encore précisément quels changements biologiques sont à l’origine de ce motif.

Un arrêt cardiaque n’est pas une crise cardiaque

Pour comprendre l’intérêt de cette prédiction, il faut distinguer la crise cardiaque de l’arrêt cardiaque soudain. Une crise cardiaque survient lorsque la circulation sanguine vers une partie du muscle cardiaque diminue ou s’interrompt, généralement à cause d’une obstruction. Un arrêt cardiaque, lui, est provoqué par un dérèglement du système électrique qui coordonne les battements : le cœur ne parvient alors plus à pomper le sang efficacement.

L’arrêt cardiaque peut survenir sans signe annonciateur évident, ce qui rend difficile l’observation et l’étude des instants qui le précèdent. Selon les données rapportées dans l’étude, environ 90 % des personnes victimes d’un arrêt cardiaque soudain en dehors de l’hôpital meurent en quelques minutes. La réanimation cardiopulmonaire et l’utilisation d’un défibrillateur externe peuvent rétablir un rythme normal, mais les chances d’intervenir efficacement diminuent fortement lorsque le danger n’a pas été anticipé ou que les soins ne sont pas disponibles assez vite.

Comme la mort survient soudainement, les chercheurs ont souvent peu de possibilités de suivre ce qui se passe dans le cœur juste avant l’arrêt. Une autopsie peut révéler une artère obstruée, des cicatrices ou d’autres changements structurels, mais elle ne permet pas de reconstituer l’activité électrique du cœur pendant les minutes qui ont précédé le décès. Repérer des signes précurseurs chez des personnes vivantes reste donc un défi médical important.

La prédiction est d’autant plus difficile que les cas ne se ressemblent pas nécessairement : leurs causes et leurs caractéristiques peuvent varier, et les personnes qui meurent n’ont pas toujours bénéficié d’une évaluation spécialisée du cœur. L’analyse à grande échelle de dossiers médicaux courants pourrait permettre de repérer des signes déjà présents dans les données, mais qui n’avaient pas été recherchés directement.

Ce que les méthodes habituelles ne repèrent pas

Pour évaluer certains risques de mort subite d’origine cardiaque, les médecins mesurent notamment la quantité de sang que le cœur envoie dans le corps à chaque contraction. Cette mesure renseigne sur son efficacité à pomper le sang. Elle entre dans les décisions visant à déterminer si certains patients pourraient recevoir un défibrillateur cardiaque implantable, un appareil placé dans le corps qui peut délivrer un choc électrique lorsqu’il détecte un trouble grave du rythme.

Mais évaluer l’efficacité du pompage nécessite généralement un examen médical plus complet qu’un électrocardiogramme de routine. Beaucoup de personnes ne passent jamais ce type d’examen, surtout si elles n’ont pas de symptômes ou de facteurs connus qui inciteraient leur médecin à soupçonner un danger. Des signes importants peuvent ainsi passer inaperçus chez des personnes qui ne sont pas adressées à un spécialiste pour un dépistage.

À l’inverse, savoir qu’un patient appartient à une catégorie à risque élevé ne signifie pas qu’il aura forcément besoin d’un appareil implanté. D’après les données de l’étude, environ deux tiers des patients équipés d’un défibrillateur implantable n’ont pas besoin que l’appareil délivre un choc. Comme l’implantation est une intervention coûteuse et invasive, mieux repérer les personnes qui en tireraient le plus grand bénéfice pourrait éviter des traitements inutiles, sans laisser de côté celles qui en ont besoin.

Le dépistage pose donc un dilemme. Si les critères sont trop stricts, certaines personnes exposées au danger peuvent passer entre les mailles du filet. Mais si l’on élargit la liste des personnes susceptibles d’être traitées sur la base d’indices incertains, d’autres risquent de subir une intervention inutile. L’intérêt de l’intelligence artificielle n’est donc pas de rendre un verdict définitif, mais peut-être d’améliorer le tri et de mieux déterminer qui devrait bénéficier d’examens complémentaires.

De centaines de milliers de tracés à une évaluation internationale

L’entraînement du programme a commencé avec des dossiers d’électrocardiogrammes recueillis pendant six ans dans le système de santé unifié de Suède. La base d’entraînement comptait plus de 440 000 tracés. En reliant ces enregistrements aux données des certificats de décès, les chercheurs ont pu comparer les signaux électriques de différents groupes, notamment ceux des personnes décédées par la suite d’une mort subite d’origine cardiaque.

Le programme a appris à partir de milliers de détails présents dans les tracés, comme la forme des ondes, leur succession et les liens entre leurs différentes composantes. Pour ce type d’analyse, les chercheurs n’ont pas besoin de décider à l’avance qu’une caractéristique précise constitue un signe de danger : le système peut rechercher des ensembles de propriétés qui reviennent en lien avec le résultat à prédire.

Une fois l’entraînement terminé, l’équipe a évalué l’outil sur des données indépendantes recueillies hors de Suède. Cette étape est importante pour déterminer si ses capacités se limitent au groupe de patients à partir duquel il a appris. Les essais ont porté sur des milliers de dossiers supplémentaires provenant des États-Unis et de Taïwan. Les données américaines comprenaient des électrocardiogrammes recueillis pendant deux ans dans un réseau hospitalier de San Diego, ainsi qu’un autre ensemble de dossiers de patients de Taipei.

La diversité des pays et des systèmes de santé permet de vérifier dans quelle mesure les résultats sont généralisables. Elle ne prouve toutefois pas que les performances seront les mêmes dans toutes les populations ou pour toutes les catégories de patients. Les caractéristiques des populations, les méthodes de collecte des dossiers et l’accès aux soins peuvent influer sur les résultats de n’importe quel modèle. Il est donc important de le tester dans plusieurs contextes avant d’envisager un usage clinique à grande échelle.

Selon Ziad Obermeyer, la collecte et l’organisation des données ont pris près de dix ans. Deux organisations qu’il a contribué à créer, Dandelion Health et Nightingale Open Science, ont participé à ce travail. Cette durée rappelle que le développement d’un outil médical ne se résume pas à écrire un programme informatique : obtenir les dossiers, les relier de manière fiable et les rendre accessibles à la recherche peut constituer un travail de longue haleine.

Que signifie le chiffre de 7 % ?

Dans les comparaisons, les méthodes classiques ont repéré un groupe de patients dont le taux annuel de décès par mort subite d’origine cardiaque était de 4,6 %. Dans le groupe désigné par l’intelligence artificielle comme étant le plus à risque, ce taux atteignait 7 %. Le programme a donc identifié une catégorie où le risque observé était supérieur à celui du groupe défini par les méthodes habituelles.

Ces chiffres décrivent des taux annuels calculés à l’échelle de groupes ; ils ne signifient pas que le programme peut prédire avec certitude le destin d’une personne. La différence entre 4,6 % et 7 % ne transforme pas une estimation en certitude et ne prouve pas que toutes les personnes du groupe à risque élevé devraient recevoir un défibrillateur. Elle suggère plutôt qu’il serait possible de mieux classer les personnes selon leur niveau de risque, ce qui pourrait aider le médecin à choisir la suite à donner.

Autre résultat notable : l’algorithme a également signalé un groupe plus large de personnes à risque élevé, dont des milliers que les recommandations médicales actuelles ne conduiraient généralement pas à considérer comme particulièrement à risque. Selon les méthodes classiques, la plupart auraient été classées dans les catégories relativement moins à risque. Il est donc possible que certains cas de danger se cachent dans des dossiers courants, sans attirer l’attention lorsqu’ils sont analysés avec les outils habituels.

Élargir le nombre de personnes considérées comme potentiellement à risque ne doit cependant pas conduire automatiquement à multiplier les interventions. Les examens complémentaires, le suivi régulier et la décision d’implanter un appareil sont des étapes distinctes, qui nécessitent des preuves de plus en plus solides. Dans un premier temps, l’outil pourrait surtout servir à orienter certains patients vers une surveillance plus attentive, plutôt qu’à déclencher directement une opération à partir de son seul résultat.

Comment passer de l’alerte au suivi médical ?

Ziad Obermeyer et son équipe collaborent avec des systèmes de santé en Suède, à Taïwan et aux États-Unis pour intégrer l’algorithme aux bases de données d’électrocardiogrammes des hôpitaux. L’idée serait d’examiner les tracés déjà disponibles afin d’y repérer les signes qui méritent l’attention, puis de contacter les patients dont le niveau de risque estimé est élevé pour leur proposer un suivi supplémentaire.

Parmi les possibilités envisagées figure le port, par certains patients, d’un petit dispositif adhésif qui surveille en continu l’activité électrique du cœur. Contrairement à un électrocardiogramme réalisé sur une période limitée, une surveillance prolongée peut détecter des troubles intermittents ou des changements difficiles à observer pendant un enregistrement bref. Ces données pourraient aider les médecins et les chercheurs à mieux comprendre le signal repéré par l’intelligence artificielle.

Si ce suivi prolongé permet de dégager des configurations pertinentes, il pourrait contribuer à expliquer les circonstances électriques ou biologiques qui rendent certains cœurs plus vulnérables à un trouble mortel du rythme. Une fois les preuves nécessaires réunies, ces informations pourraient éclairer les décisions médicales concernant certains traitements préventifs, dont l’implantation d’un défibrillateur chez les personnes qui en tireraient le plus grand bénéfice.

Ces étapes font encore partie du développement d’un éventuel usage clinique. Elles ne signifient pas qu’un dépistage est déjà proposé à grande échelle ni qu’un traitement a été démontré comme adapté à toutes les personnes classées dans la catégorie à risque élevé. Pour passer d’un outil de prédiction à une prise en charge qui améliore réellement la santé, il faut vérifier la précision des estimations, déterminer les mesures à prendre après un résultat positif et évaluer les bénéfices comme les risques pour les patients en conditions réelles.

Le mystère révélé par l’intelligence artificielle

L’intérêt de ces travaux ne se limite pas au classement des patients. L’algorithme a repéré des configurations électriques que les chercheurs associent à un risque, mais leur interprétation biologique reste incomplète. Une question scientifique s’ouvre alors : que se passe-t-il dans le cœur pour laisser, avant un trouble mortel, une trace détectable sur un électrocardiogramme ordinaire ?

Comprendre ces configurations pourrait permettre de découvrir des changements jusque-là inconnus ou d’améliorer l’évaluation du cœur. Si les chercheurs parviennent à relier un signal particulier à un mécanisme précis, ils pourront aller au-delà du constat que certains tracés annoncent un risque : ils pourront expliquer pourquoi ces signes apparaissent et peut-être chercher de nouvelles façons de prévenir le danger.

Cette possibilité met en lumière un autre rôle de l’intelligence artificielle en médecine. Elle ne sert pas seulement à accélérer l’interprétation d’un résultat ou à automatiser une tâche courante. Elle peut aussi aider à faire émerger des relations complexes au sein d’un très grand volume de données, que les scientifiques pourront ensuite vérifier par des expériences et des observations cliniques. Mais un algorithme reste un outil de détection de motifs : le fait qu’il trouve une association avec un problème de santé ne suffit pas à en faire une explication médicale avérée.

Pour que cette approche soit fiable, les médecins doivent comprendre ce que le résultat signifie pour le patient et disposer d’étapes de suivi claires, adaptées au niveau de risque. Il faut également s’assurer que le système fonctionne correctement dans des groupes variés et que son utilisation ne provoque ni fausse réassurance, ni inquiétude injustifiée, ni examens superflus.

Conclusion

L’étude de l’Université de Californie à Berkeley montre qu’un électrocardiogramme de routine pourrait dissimuler des signes discrets d’une prédisposition à la mort subite d’origine cardiaque. Un système d’intelligence artificielle a appris à partir de plus de 440 000 tracés recueillis en Suède sur six ans, puis a été évalué sur des milliers de dossiers supplémentaires provenant des États-Unis et de Taïwan. Il a repéré un groupe dont le taux annuel de décès par mort subite d’origine cardiaque était de 7 %, contre 4,6 % dans un groupe identifié par les méthodes classiques, et a également signalé des personnes que les examens habituels n’auraient probablement pas classées à risque élevé.

Ces résultats ne permettent pas de prédire avec certitude ce qui arrivera à chaque personne et ne justifient pas d’implanter un défibrillateur à tous ceux que le programme classe dans la catégorie à risque élevé. Ils pourraient toutefois aider les médecins à mieux choisir qui doit bénéficier d’un suivi approfondi, par exemple avec un dispositif adhésif qui enregistre l’activité du cœur pendant plus longtemps. Si de futurs travaux confirment l’utilité et la sécurité de cette approche, elle pourrait contribuer à prévenir certaines morts et à révéler de nouveaux indices sur les signaux qui précèdent un trouble cardiaque mortel.