Approches Efficaces d’Apprentissage Profond pour la Détection Rapide et Interprétable des Arythmies Mortelles dans les Données ECG

La mort suite, résultant principalement d’arythmies cardiaques telle que le syndrome du QT long conduisant à des torsades de pointes (TdP), est un problème de société important. De nombreux facteurs de risque, notamment la prise de médicaments, le statut hormonal et les troubles cardio-métaboliques sous-jacents comme l’obésité et le diabète, sont associés aux TdP. L’électrocardiogramme (ECG) reste le principal outil de diagnostic pour détecter les anomalies cardiaques potentiellement mortelles et recèle un immense potentiel pour le développement de modèles diagnostiques et prédictifs. Cependant, les diverses techniques dans les modalités de son acquisition et les variations physiologiques au cours du temps, limite l’utilisation de l’ECG pour l’entraînement d’algorithmes utilisant l’intelligence artificielle (IA) et notamment le deep learning. Le projet ELDORA vise à surmonter ces défis en créant des outils automatiques et fiables pour standardiser les données ECG, facilitant ainsi le développement de modèles d’IA robustes. Certains modèles prédiront le risque de développer des TdP, plus fréquentes chez les femmes, notamment en intégrant les empreintes hormonales spécifiques ; et d’autres modèles aideront à la gestion de maladies émergentes potentiellement mortelles telles que la myocardite induite par les inhibiteurs de point de contrôle immunitaire chez les patients atteints de cancer. Pour y parvenir, nous prévoyons de mettre en œuvre ECGInsight, une base de données incluant 49 cohortes bien phénotypées avec leurs données ECG associées provenant de diverses maladies cardiovasculaires et états de santé. Notre consortium est doté d’une expertise dans la validation clinique des innovations en cardiologie et d’expérience dans le développement d’algorithme d’IA fiables. Ainsi, ELDORA a pour objectif de faire avancer l’application de l’IA dans la gestion des maladies cardiovasculaires, notamment en apportant une prise en charge plus précise et personnalisés des patients pour aboutir à une meilleure qualité de vie et à une société globalement plus saine. Il est attendu une réduction des dépenses de santé liées à une prise en charge tardive de maladies morbides, à la perte de production secondaire aux morts subites mais aussi des économies en réduisant le besoin d’analyse manuelle des ECG en augmentant la productivité. Il est important de noter que les individus cibles couvrent tous les groupes et tous les âges de la société. En prédisant précocement les maladies potentiellement mortelles, ELDORA réduira les coûts associés aux traitements et aux hospitalisations à un stade avancé. Enfin, la base de données ECGInsight constitué sera unique, et servira également de référentiel pour d’autres études au-delà d’ELDORA. Avec près de 10 millions d’ECG collectés sur plus de 127 000 patients via une plateforme sécurisée, pensée pour être viable à long terme et harmonisée, ECGInsight sera un héritage pour la communauté des chercheurs français et internationaux.