ECG. Intelligence artificielle

Cet article fait le point (Oct. 2024) sur la performance de l’intelligence artificielle pour l’aide à l’interprétation d’un ECG.

Depuis la commercialisation des électrocardiographes en 1911, des experts (Minnesota code), puis les Sociétés savantes américaines (AHA) en 2009 [1] ont proposé des définitions pour les valeurs normales des paramètres électrophysiologiques de la contraction cardiaque comme la fréquence des battements, l’axe du cœur et l’intervalle QT mais aussi des critères pour reconnaître par exemple un bloc de branche, une fibrillation atriale, une hypertrophie, un pacemaker, un infarctus du myocarde ou une séquelle de nécrose… D’autres pays et continents ont également proposé des précisions sur leurs valeurs normales (cf. ECG normal).

Algorithme (software)

Les fabricants d’électrocardiographes ont alors construit des algorithmes, puis les ont vendus sous forme de logiciels (software) intégrés dans une machine ECG (Glasgow v28, Philips DXL16, General electrique 12SL, Mortara Veritas). Ces “built-in algorithms” sont capables de mesurer automatiquement les paramètres électrophysiologiques de la contraction cardiaque et d’identifier les troubles de l’automatisme, de la conduction et certaines maladies du muscle. Grâce à un travail considérable, ces softwares ont obtenu une autorisation de mise sur le marché en Europe (UE) ou aux États-Unis FDA), mais ils ont été très peu étudiés ou comparés les uns aux autres, sauf dans de rares cas [7], et le service qu’ils rendent en temps réel versus l’interprétation humaine est de façon unanime insuffisant dans les situations d’urgence ou en cas de tracés complexes, brefs là où c’est le plus utile…

Attention quand même ! Il est prouvé que l’interprétation proposée par une machine influence le lecteur, qu’il soit cardiologue ou non [1][3]. Quand l‘ordinateur a raison, il nous influence positivement car il peut nous aider à faire de meilleures interprétations. Mais l’inverse est vrai : quand l’ordinateur a tort, il peut nous égarer et les conséquences peuvent être redoutables.

• manque de sensibilité (faux négatifs nombreux) : réfutation d’une hypothèse diagnostique et donc retard au diagnostic ou au traitement…
• manque de spécificité (faux positifs nombreux) : égarement vers des fausses pistes et donc examens inutiles générateurs de coûts, de stress et parfois aussi de traitements inutiles… Le diagnostic erroné de la fibrillation atriale en est un exemple [4].

Il faudra donc rester prudent, c’est à dire posséder de bonnes connaissances en ECG et les entretenir, améliorer son interprétation à l’aide des données cliniques/biologiques, de la répétition/comparaison des ECG dans le temps, et surtout garder un sens critique… ce que ne peuvent pas (encore) faire les systèmes d’interprétation actuels (loin de là, sans parler de la fameuse black box…). Le recours à un expert est une attitude prudente dans les cas difficiles, mais la ressource est rare [2].

Intelligence artificielle (cloud)

Les méthodes d’intelligence artificielle (Artificial Neural Networks; Support Vector Machines; Hidden Markov Models; Kalman Filtering) qui utilisent le big data (banque d’images de taille considérable), le machine learning et la puissance de calcul du “cloud” supplantent progressivement toutes les méthodes d’interprétations de l’ECG fournies par les constructeurs de software fournit avec l’achat d’une machine qui reposent sur différentes mesures (entre deux points pour la plupart) et la reconnaissance de patterns (Electrocardiogram Pattern Recognition) par des algorithmes (softwares de puissance limitée, mal évalués et non mis à jour après la date d’achat).

L’IA permet également d’aller au delà de ce qui est classiquement visible pour l’homme sur un simple ECG et de faire des hypothèses sur la survenue d’évènement rythmique (surtout la FA) ou autres comme la détection d’une dysfonction VG, la présence d’une valvulopathie ou une cardiomyopathie hypertrophique, de canalopathies… [9]. Mais de sérieuses questions doivent être posées (“critical appraisal“) autour des modèles de prédiction des maladies CV par l’AI (superbe mise au point 2022 [10]).

Voici un système très élaboré qui permet de numériser un ECG papier, même s’il est de mauvaise qualité, puis de le stocker dans le cloud et de l’analyser grâce à l’intelligence artificielle en quelques secondes, avec des résultats remarquables (Pmcardio®) [11][12].

L’IA s’impose dans d’autres domaines comme la reconnaissance d’anomalies cardiaques sur une radio de thorax (juin 2024) [13] et l’échographie automatisée.

Vidéo YouTube (P. Taboulet 19 min). Interprétation automatisée des ECG utile pour le diagnostic d’infarctus ?

Bibliographie et références sur les méthodes d’intelligence artificielle (40 réf. analysées) et biblio (abonnés)