Diagnostic précis, amélioration des flux de travail, meilleurs résultats pour les patients et réduction de la charge administrative des médecins—les algorithmes médicaux en cardiologie montrent des résultats prometteurs. L’analyse de l’ECG basée sur l’IA permet aux médecins et aux gestionnaires de santé de répondre à divers objectifs prioritaires. La précision n’est qu’une petite partie de l’histoire.
La recherche d’anomalies dans les composants des signaux ECG est le cœur du métier des cardiologues. Traduire le langage de l’activité électrique du cœur enregistrée dans le complexe QRS, les segments PR et ST, l’intervalle PR et QT et l’onde T en un diagnostic prend beaucoup de temps. Les paramètres des maladies cardiaques ont été largement étudiés et sont minutieusement décrits dans la littérature médicale. Les dispositifs ECG sont largement utilisés dans les établissements de santé et, en raison de la miniaturisation progressive, dans les solutions de télémédecine pour la surveillance de la santé à distance.
Des centaines de millions d’ECG sont enregistrés chaque année. S’ils étaient analysés automatiquement par des systèmes d’IA, nous pourrions économiser des centaines de milliers d’heures de travail des médecins et faire avancer la cardiologie à un niveau supérieur. Les sciences de la vie n’ont pas encore exploité toutes les opportunités offertes par la capture et l’interprétation des graphiques de tension. Les arythmies, les maladies coronariennes, les crises cardiaques, les cardiomyopathies et de nombreuses autres affections peuvent désormais être diagnostiquées à un stade précoce à grande échelle et prévenues—il est donc opportun de déclassifier les maladies cardiaques comme l’une des principales causes de décès.
Automatisation dans les flux de travail harmonisés
Les algorithmes d’apprentissage automatique formés avec des millions d’ensembles de données ont la capacité d’interpréter les signaux ECG avec une précision similaire à celle d’un médecin humain. Comme pour tous les dispositifs médicaux, l’IA utilise également les connaissances générées par l’homme—littéralement les évaluations historiques faites par les cardiologues—pour reconnaître des motifs spécifiques inscrits dans les données. Dans ce processus, les ingénieurs de données agissent comme des enseignants qui entraînent les algorithmes en utilisant l’expérience et l’expertise d’un médecin.
L’automatisation ne consiste pas à donner aux machines une anatomie complète. Au lieu de cela, elle implique l’intégration d’un nouveau dispositif dans la pratique médicale pour garantir la sécurité des patients, améliorer l’accès aux services de diagnostic et de soins, et améliorer la précision et l’efficacité. Avec un deuxième regard, c’est-à-dire les algorithmes d’IA, les médecins gagnent en certitude, quelle que soit la pression temporelle ou le stress dans l’environnement de travail. Ce nouveau flux de travail peut ensuite être utilisé pour atteindre les objectifs individuels du prestataire de soins de santé. Auparavant, en cas de contraintes de ressources, les établissements médicaux devaient soit choisir d’augmenter la qualité, soit de réduire les coûts, en supposant que le nombre de patients restait le même. Avec l’IA, ce dilemme devient obsolète—des objectifs apparemment opposés peuvent être atteints en parallèle. Une plus grande rentabilité n’exclut plus une amélioration de l’expérience des patients.
De nombreux exemples montrent comment les hôpitaux utilisent l’IA pour améliorer différentes mesures. Par exemple, les départements de médecine cardiovasculaire de la Mayo Clinic utilisent des ECG guidés par l’IA pour détecter des rythmes cardiaques défectueux avant que des symptômes n’apparaissent. Les systèmes d’IA peuvent interpréter un simple test, détecter une affection cardiaque et prédire d’éventuels problèmes futurs. L’expérience de la Mayo Clinic souligne que l’application des algorithmes peut être associée à une culture de coopération entre médecins, ingénieurs et scientifiques [1].
Précision numérique dans un écosystème très exigeant
Il faut environ dix ans d’études pour devenir cardiologue, y compris quelques années d’école de médecine, de résidence en médecine interne et de fellowship en cardiologie. Les médecins sont considérés comme faisant partie de la profession la plus respectée au monde, mais aussi l’une des plus exigeantes, nécessitant de longues heures de travail, une permanence, la prise de décisions complexes et la réalisation de procédures délicates. Le stress émotionnel et les niveaux de stress sont élevés. La responsabilité est énorme. Selon le rapport de la responsabilité médicale Medscape 2019 [2], 60 % des cardiologues sont cités dans une action en responsabilité civile au moins une fois dans leur carrière.
Nous savons tous que les patients respectent leurs médecins non pour leurs compétences administratives, mais plutôt pour leur empathie, leur expertise et leur serviabilité. Un diagnostic précis et rapide est fondamental pour une relation patient-médecin crédible. Cependant, du point de vue du patient, le médecin doit s’assurer que le diagnostic est conforme aux connaissances médicales actuelles et aux meilleures pratiques. En mettant en œuvre des solutions d’IA pour l’analyse des ECG, les cardiologues bénéficient d’une assistance pour vérifier ou établir une interprétation initiale de l’ECG. Chaque amélioration de la précision compte dans un écosystème de travail complexe, que l’objectif soit d’améliorer les normes de soins, d’éliminer les goulots d’étranglement du diagnostic ou d’introduire un outil pour faciliter la prise de décision.
La relation entre les données structurées, la coopération et le parcours du patient
Pour garantir des résultats fiables et fiables dans l’analyse des ECG, les algorithmes d’IA entrent en pratique clinique dans les services de cardiologie des hôpitaux et des cliniques. C’est aussi simple que cela : prenez les données de l’ECG Holter sur 7 jours ou 24 heures de n’importe quel dispositif et téléchargez-les sur la plateforme cloud AI de Cardiomatics pour obtenir un rapport détaillé sans surcharger les professionnels, qui peuvent ainsi se concentrer sur d’autres tâches. L’automatisation signifie que les données de l’ECG Holter deviennent plus accessibles, même dans les dépistages de routine ou les études sur la santé cardiaque et les facteurs de risque des maladies cardiovasculaires. Les résultats peuvent être utilisés pour contribuer aux nouvelles avancées en médecine et donc à une meilleure prévention des maladies cardiovasculaires. Cette perspective de l’intelligence artificielle comme facilitateur de meilleures recherches ou comme outil de gestion des flux de travail doit être prise en compte dans chaque système de santé, hôpital et clinique, ainsi que par chaque médecin travaillant dans ces établissements. C’est l’utilisateur qui détermine l’objectif d’un algorithme—la portée des résultats possibles est bien plus large que la simple interprétation des ECG pour une meilleure précision.
Sources :
[1] Mayoclinic.org
[2] Medscape.com