Un nouveau score d’intelligence artificielle fournit une prévision plus précise de la probabilité de décès des patients suspects ou connus d’une maladie coronarienne dans les 10 ans que les scores établis utilisés par les professionnels de la santé dans le monde entier. le recherche est présentée aujourd’hui à EuroEcho 2021, un congrès scientifique de la Société européenne de cardiologie (ESC).[1]
Contrairement aux méthodes traditionnelles basées sur des données cliniques, le nouveau score comprend également des informations d’imagerie sur le cœur, mesurées par résonance magnétique cardiovasculaire (CMR) de stress. Le « stress » fait référence au fait que les patients reçoivent un médicament pour imiter l’effet de l’exercice sur le cœur lorsqu’ils sont dans le scanner d’imagerie par résonance magnétique.
“Il s’agit de la première étude à montrer que l’apprentissage automatique avec des paramètres cliniques et une CMR de stress peut prédire très précisément le risque de décès”, a déclaré l’auteur de l’étude, le Dr Theo Pezel de l’hôpital Johns Hopkins de Baltimore, aux États-Unis. « Les résultats indiquent que les patients souffrant de douleurs thoraciques, de dyspnée ou de facteurs de risque de maladie cardiovasculaire devraient subir un examen CMR d’effort et faire calculer leur score. Cela nous permettrait de fournir un suivi et des conseils plus intenses sur l’exercice, l’alimentation, etc. à ceux qui en ont le plus besoin. »
La stratification du risque est couramment utilisée chez les patients atteints ou à haut risque de maladie cardiovasculaire pour adapter la gestion visant à prévenir les crises cardiaques, les accidents vasculaires cérébraux et la mort subite d’origine cardiaque. Les calculatrices conventionnelles utilisent une quantité limitée d’informations cliniques telles que l’âge, le sexe, le statut tabagique, la tension artérielle et le cholestérol. Cette étude a examiné la précision d’apprentissage automatique utilisant la CMR du stress et des données cliniques pour prédire la mortalité toutes causes confondues à 10 ans chez les patients atteints d’une maladie coronarienne suspectée ou connue, et a comparé ses performances aux scores existants.
Le Dr Pezel a expliqué : « Pour les cliniciens, certaines informations que nous recueillons auprès des patients peuvent ne pas sembler pertinentes pour la stratification des risques. Mais l’apprentissage automatique peut analyser un grand nombre de variables simultanément et peut trouver des associations dont nous ignorions l’existence, améliorant ainsi la prédiction des risques. »
L’étude a inclus 31 752 patients adressés pour CMR de stress entre 2008 et 2018 dans un centre à Paris en raison de douleurs thoraciques, d’essoufflement à l’effort ou d’un risque élevé de maladie cardiovasculaire mais aucun symptôme. Un risque élevé a été défini comme ayant au moins deux facteurs de risque tels que l’hypertension, le diabète, la dyslipidémie et le tabagisme actuel. L’âge moyen était de 64 ans et 66% étaient des hommes. Des informations ont été recueillies sur 23 paramètres cliniques et 11 paramètres CMR. Les patients ont été suivis pendant une durée médiane de six ans pour les décès toutes causes, qui a été obtenue à partir du registre national des décès en France. Au cours de la période de suivi, 2 679 (8,4 %) patients sont décédés.
L’apprentissage automatique s’est déroulé en deux étapes. Tout d’abord, il a été utilisé pour sélectionner quels paramètres cliniques et CMR pouvaient prédire la mort et lesquels ne le pouvaient pas. Deuxièmement, l’apprentissage automatique a été utilisé pour créer un algorithme basé sur les paramètres importants identifiés à la première étape, en attribuant une importance différente à chacun pour créer la meilleure prédiction. Les patients ont ensuite reçu un score de 0 (faible risque) à 10 (risque élevé) pour la probabilité de décès dans les 10 ans.
Le score d’apprentissage automatique a pu prédire quels patients seraient vivants ou morts avec une précision de 76 % (en termes statistiques, l’aire sous la courbe était de 0,76). “Cela signifie que chez environ trois patients sur quatre, le score a fait la prédiction correcte”, a déclaré le Dr Pezel.
En utilisant les mêmes données, les chercheurs ont calculé le risque sur 10 ans de décès toutes causes confondues à l’aide de scores établis (évaluation systématique du risque coronaire [SCORE], QRISK3 et score de risque de Framingham [FRS]) et un score précédemment dérivé intégrant des données cliniques et CMR (clinic-stressCMR [C-CMR-10])[2] – dont aucun n’a utilisé l’apprentissage automatique. Le score d’apprentissage automatique avait une zone significativement plus élevée sous la courbe pour la prédiction de la mortalité toutes causes confondues à 10 ans par rapport aux autres scores : SCORE = 0,66, QRISK3 = 0,64, FRS = 0,63 et C-CMR-10 = 0,68.
Le Dr Pezel a déclaré : « Le stress CMR est une technique sûre qui n’utilise pas de rayonnement. Nos résultats suggèrent que la combinaison de ces informations d’imagerie avec des données cliniques dans un algorithme produit par l’intelligence artificielle pourrait être un outil utile pour aider à prévenir les maladies cardiovasculaires et la mort subite d’origine cardiaque chez les patients présentant des symptômes cardiovasculaires ou des facteurs de risque.
Références et notes
- Le résumé « Score d’apprentissage automatique utilisant le stress CMR pour la prédiction de la mort chez les patients atteints d’une coronaropathie suspectée ou connue » sera présenté au cours de la session »Prix du jeune chercheur – Science clinique‘ qui aura lieu le 11 décembre à 09h50 CET dans la salle 3.
- Marcos-Garces V, Gavara J, Monmeneu JV, et al. Un nouveau score de résonance magnétique cardiaque clinique et de stress (C-CMR-10) pour prédire la mortalité toutes causes confondues à long terme chez les patients atteints d’un syndrome coronarien chronique connu ou suspecté. J Clin Med. 2020;9:1957.
