Le premier prédicteur de survie en son genre détecte des modèles invisibles à l’œil nu dans les IRM cardiaques.
Une nouvelle approche basée sur l’intelligence artificielle peut prédire, avec beaucoup plus de précision qu’un médecin, si et quand un patient peut mourir d’un arrêt cardiaque. Cette technologie, basée sur des images brutes de cœurs malades et d’antécédents de patients, devrait révolutionner la prise de décision clinique et augmenter le taux de survie aux arythmies cardiaques soudaines et mortelles, l’une des affections les plus mortelles et les plus déroutantes de la médecine.
Les travaux, menés par des chercheurs de l’Université Johns Hopkins, sont détaillés le 7 avril 2022, dans Nature Cardiovascular Research.
“La mort cardiaque soudaine causée par l’arythmie représente jusqu’à 20 % de tous les décès dans le monde et nous savons peu de choses sur les raisons de ce phénomène ou sur la façon de dire qui est à risque”, a déclaré l’auteur principal Natalia Trayanova, le professeur Murray B. Sachs d’ingénierie biomédicale et de médecine. “Certains patients présentant un faible risque de mort cardiaque subite reçoivent des défibrillateurs dont ils n’ont peut-être pas besoin, tandis que d’autres, à haut risque, ne reçoivent pas le traitement dont ils ont besoin et pourraient mourir dans la fleur de l’âge. Ce que notre algorithme peut faire, c’est déterminer qui est à risque de mort cardiaque et quand elle se produira, ce qui permet aux médecins de décider exactement ce qu’il faut faire.”
Un algorithme, le premier du genre, utilisant des images IRM brutes, peut prédire si et quand un patient aura un épisode mortel d’arythmie cardiaque. Il a détecté un risque élevé dans le cœur encerclé en rouge. Crédit : Université Johns Hopkins
L’équipe est la première à utiliser des réseaux neuronaux pour construire une évaluation personnalisée de la survie pour chaque patient atteint d’une maladie cardiaque. Ces mesures du risque fournissent avec une grande accuracy the chance for a sudden cardiac death over 10 years, and when it’s most likely to happen.
The deep learning technology is called Survival Study of Cardiac Arrhythmia Risk (SSCAR). The name alludes to cardiac scarring caused by heart disease that often results in lethal arrhythmias, and the key to the algorithm’s predictions.
The team used contrast-enhanced cardiac images that visualize scar distribution from hundreds of real patients at Johns Hopkins Hospital with cardiac scarring to train an algorithm to detect patterns and relationships not visible to the naked eye. Current clinical cardiac image analysis extracts only simple scar features like volume and mass, severely underutilizing what’s demonstrated in this work to be critical data.
“The images carry critical information that doctors haven’t been able to access,” said first author Dan Popescu, a former Johns Hopkins doctoral student. “This scarring can be distributed in different ways and it says something about a patient’s chance for survival. There is information hidden in it.”
The team trained a second neural network to learn from 10 years of standard clinical patient data, 22 factors such as patients’ age, weight, race, and prescription drug use.
The algorithms’ predictions were not only significantly more accurate on every measure than doctors, they were validated in tests with an independent patient cohort from 60 health centers across the United States, with different cardiac histories and different imaging data, suggesting the platform could be adopted anywhere.
“This has the potential to significantly shape clinical decision-making regarding arrhythmia risk and represents an essential step towards bringing patient trajectory prognostication into the age of artificial intelligence,” said Trayanova, co-director of the Alliance for Cardiovascular Diagnostic and Treatment Innovation. “It epitomizes the trend of merging artificial intelligence, engineering, and medicine as the future of healthcare.”
The team is now working to build algorithms now to detect other cardiac diseases. According to Trayanova, the deep-learning concept could be developed for other fields of medicine that rely on visual diagnosis.
Reference: “Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart” by Dan M. Popescu, Julie K. Shade, Changxin Lai, Konstantinos N. Aronis, David Ouyang, M. Vinayaga Moorthy, Nancy R. Cook, Daniel C. Lee, Alan Kadish, Christine M. Albert, Katherine C. Wu, Mauro Maggioni and Natalia A. Trayanova, 7 April 2022, Nature Cardiovascular Research.
DOI: 10.1038/s44161-022-00041-9
The team from Johns Hopkins also included: Bloomberg Distinguished Professor of Data-Intensive Computation Mauro Maggioni; Julie Shade; Changxin Lai; Konstantino Aronis; and Katherine Wu. Other authors include: M. Vinayaga Moorthy and Nancy Cook of Brigham and Women’s Hospital; Daniel Lee of Northwester University; Alan Kadish of Touro College and University System; David Oyyang and Christine Albert of Cedar-Sinai Medical Center.
The work was supported by National Institutes of Health grants R01HL142496 , R01HL126802, R01HL103812; Lowenstein Foundation, National Science Foundation Graduate Research Fellowship DGE-1746891, Simons Fellowship for 2020-2021, National Science Foundation grant IIS-1837991, Abbott Laboratories research grant. The PRE-DETERMINE study and the DETERMINE Registry were supported by National Heart, Lung, and Blood Institute research grant R01HL091069, St Jude Medical Inc, and St. Jude Medical Foundation.
