Logiciel

Un cœur virtuel en 3D prédit l’insuffisance cardiaque

Une équipe britannique a développé un logiciel qui peut de prédire les risques d’insuffisance cardiaque et les chances de survie des patients souffrant d’hypertension artérielle.

Le 07/03/17 à 12:00, mise à jour hier à 14:29 Lecture 1 min.

Exemple de modélisation numérique du cœur d’un patient atteint d’une hypertension pulmonaire. À gauche : modèle tridimensionnel du cœur en fin de diastole (en gris), et fin de systole (ventricule droit en bleu, ventricule gauche en rouge) utilisé pour évaluer l’excursion systolique à chaque point anatomique, grâce à un modèle de mouvement déformant. À droite : modèle statistique du mouvement de l’endocarde ventriculaire droit, utilisé pour déterminer les mouvements fonctionnels associés à la survie. © Dawes T. J. et coll

Les chercheurs britanniques de l’UK’s Medical Research Council et de l’Imperial College of London, au Royaume-Uni, ont développé un logiciel qui peut créer des cœurs virtuels en 3D, reproduisant la manière dont l’organe se contracte pendant ses battements. Objectif : permettre à une intelligence artificielle capable d’apprentissage de prédire les risques d’insuffisance cardiaque et les chances de survie.

Prédire la durée de vie

Comme l’expliquent ses créateurs dans Radiology [1], le système crée ces modèles à partir d’images d’IRM cardiaques des patients, couplées à des informations provenant d’analyses sanguines et d’autres observations. Cette technologie a été testée sur des personnes souffrant d’hypertension pulmonaire, une pathologie qui conduit à l’insuffisance cardiaque si elle n’est pas traitée de façon appropriée, à cause d’une forte pression dans les vaisseaux sanguins, notamment sur le cœur droit. Le traitement dépend des risques de développer une insuffisance cardiaque, souvent mal évalués avec les méthodes actuelles.

Une analyse en quelques secondes

L’étude a porté sur 256 patients atteints d’une hypertension artérielle coronaire. Tous ont passé une ciné-IRM. Le logiciel a analysé plus de 30 000 points du cœur à chaque battement et « a appris automatiquement quelles caractéristiques ont été les premiers prédicteurs de l’insuffisance cardiaque et de la mort. » « L’ordinateur fait l’analyse en quelques secondes et interprète simultanément les données […] sans intervention humaine. Cela pourrait aider les médecins à donner les bons traitements aux bons patients, au bon moment », explique Tim Dawes de l’Imperial College of London. Les chercheurs vont maintenant tester ce logiciel afin de vérifier les premiers résultats.

Auteurs

Virginie Facquet

Bibliographie

  1. Dawes T. J. et coll., « Machine Learning of Three-dimensional Right Ventricular Motion Enables Outcome Prediction in Pulmonary Hypertension: A Cardiac MR Imaging Study », Radiology, 16 janvier 2017. DOI : 10.1148/radiol.2016161315.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

27 Fév

17:51

Une revue systématique et méta-analyse a évalué la performance de l'IA pour la détection des épanchements du coude en radiographie. Les résultats montrent une sensibilité et une spécificité élevées et comparables entre l’IA et les médecins, sans différence significative.

17:49

Une étude conclut que l'angiomammographie constitue une alternative viable à l’évaluation de l'atteinte du complexe mamelon-aréolaire dans le cancer du sein, en particulier dans les cas de contre-indications à l’IRM.

17:09

Une revue, analysant 10 ans de littérature sur la neuroradiologie en pédiatrie et fœtale sur l’IA, conclu que les collaborations interinstitutionnelles continues peuvent faciliter l’intégration de l’IA dans la neuroradiologie pédiatrique, en complétant les radiologues et en améliorant les soins pédiatriques.
26 Fév

15:23

Une revue narrative analyse l’état actuel de l’intelligence artificielle en neuroradiologie pédiatrique et fœtale, en mettant en évidence ses performances prometteuses en segmentation, détection, classification et pronostic, notamment grâce à l’apprentissage profond. Malgré ces avancées, son adoption clinique demeure limitée en raison de coûts élevés, du manque de grandes bases de données pédiatriques et de défis éthiques et réglementaires, nécessitant des efforts collaboratifs pour favoriser son intégration sécurisée.  
Docteur Imago

GRATUIT
VOIR