Nous avons récemment rencontré la professeure Christine Meyer-Zürn de l’Hôpital universitaire de Bâle afin de revenir sur notre collaboration de longue date et de discuter de l’évolution du paysage de la recherche en ECG et de l’intelligence artificielle en cardiologie.
Rafał Samborski : Il s’agit déjà de notre sixième projet commun. Qu’est-ce qui pousse l’USB à continuer de collaborer avec Cardiomatics ?
Christine Meyer-Zürn : Notre collaboration continue repose en grande partie sur une qualité méthodologique constante et sur des analyses ECG fiables dans plusieurs projets de recherche menés conjointement. Dans plusieurs études, dont la Swiss-AF Burden cohort, la quantification du fardeau de fibrillation atriale basée sur l’IA a montré un très haut niveau de concordance avec les évaluations validées par des médecins. Ce niveau de concordance confirme sa pertinence pour une utilisation ultérieure dans des contextes de recherche clinique.
Quelles sont aujourd’hui les principales difficultés méthodologiques de la recherche en ECG, et comment la collaboration avec des partenaires technologiques peut-elle aider à y répondre ?
Les études modernes reposent de plus en plus sur une surveillance prolongée (par exemple un Holter de 7 jours ou davantage), générant ainsi des volumes de données considérables. L’évaluation manuelle est chronophage, mobilise des ressources importantes et reste sujette à une variabilité entre observateurs. Garantir une analyse cohérente et évolutive, sans compromettre la précision, demeure donc un défi majeur.
Les enregistrements ECG ambulatoires contiennent fréquemment des artefacts, des perturbations liées aux mouvements et une qualité de signal variable. Un prétraitement robuste et une discrimination fiable des arythmies sont essentiels pour éviter des biais systématiques. Les plateformes basées sur l’IA peuvent fournir une quantification automatisée, standardisée et reproductible des paramètres d’arythmie.
Comment envisagez-vous l’avenir de l’analyse ECG à long terme et le rôle de l’intelligence artificielle en cardiologie ?
Historiquement, l’analyse ECG se concentrait sur la détection binaire d’événements (par exemple la présence ou l’absence de fibrillation atriale). Aujourd’hui, l’attention se déplace de plus en plus vers un phénotypage quantitatif, tel que le AF burden, la variabilité temporelle, les profils circadiens et la dynamique des arythmies. L’IA est particulièrement bien adaptée pour extraire ces caractéristiques multidimensionnelles à partir d’enregistrements continus. Le contexte post-ablation constitue également un domaine d’application particulièrement intéressant pour l’IA, notamment pour détecter des différences liées au sexe, ce sur quoi nous nous concentrons actuellement.
Les métriques ECG dérivées de l’IA seront probablement intégrées dans des modèles de prédiction du risque multimodaux, combinant imagerie, biomarqueurs, génomique et variables cliniques. Il est essentiel de considérer l’IA comme un outil d’augmentation de l’expertise clinique, et non comme un substitut. L’analyse ECG automatisée peut réduire la charge de travail, améliorer la cohérence et permettre aux médecins de se concentrer davantage sur l’interprétation et l’intégration clinique plutôt que sur l’annotation primaire.
Cependant, une validation prospective rigoureuse, une supervision réglementaire, des considérations éthiques et des normes de reporting transparentes resteront indispensables pour garantir la sécurité clinique et la crédibilité scientifique.
Une étape clé consiste désormais à transférer de manière structurée les applications d’IA d’un usage principalement scientifique vers la pratique clinique courante. Cette transition doit s’accompagner d’un encadrement scientifique continu et de l’implication active des médecins afin de garantir la rigueur méthodologique, la sécurité des patients et la pertinence clinique.
Cette année, le ESC Digital and AI Summit 2026 se tiendra à Bâle et constituera une plateforme importante pour faire progresser l’intégration des technologies numériques et de l’intelligence artificielle en médecine cardiovasculaire. L’accent ne porte pas uniquement sur les algorithmes et les architectures techniques, mais aussi sur la qualité des données, les stratégies de validation, l’intégration dans les workflows cliniques et l’impact mesurable dans la pratique réelle.
L’objectif global est de concevoir conjointement des solutions d’IA fiables et explicables, que les cliniciens puissent appliquer en toute confiance dans les soins quotidiens, dont les patients puissent réellement bénéficier et que les systèmes de santé puissent mettre en œuvre de manière responsable. En reliant l’innovation technologique à des besoins cliniques clairement définis, en générant des preuves robustes et en favorisant la collaboration interdisciplinaire, une transformation numérique durable et responsable des soins cardiovasculaires devient une réalité.