L’Organisation mondiale de la santé rapporte que les maladies cardiovasculaires sont la principale cause de décès dans le monde [1]. L’une de ces maladies est l’insuffisance cardiaque – une condition dans laquelle le cœur ne parvient pas à pomper suffisamment de sang vers les organes de notre corps. Cela entraîne une déficience en oxygène et en nutriments dans les cellules du corps, ce qui peut avoir un impact énorme sur son fonctionnement. Malheureusement, le nombre de patients atteints d’insuffisance cardiaque continue d’augmenter. De plus, l’amélioration des soins pour les patients ayant subi un infarctus du myocarde a entraîné une augmentation des taux de survie, mais par conséquent, plus de patients souffrent d’insuffisance cardiaque.
Bien sûr, il existe un traitement médicamenteux pour l’insuffisance cardiaque, mais il n’est pas toujours suffisant. La thérapie de resynchronisation cardiaque (CRT) existe comme option pour les patients atteints d’insuffisance cardiaque avec fraction d’éjection réduite (HFrEF), pour lesquels la pharmacothérapie seule est insuffisante pour réduire les symptômes et contrôler la fonction cardiaque [2]. Le but de la CRT est de restaurer une activité cardiaque électrique physiologiquement normale, souvent altérée dans le cadre de la maladie sous-jacente. Cela peut être réalisé en introduisant des électrodes dans le système vasculaire qui sont connectées à un stimulateur cardiaque avec fonction de resynchronisation. Les essais cliniques évaluant cette méthode ont montré des résultats positifs en termes de soulagement des symptômes et, surtout, d’amélioration du taux de survie des patients. Les essais COMPANION et CARE-HF [3,4], qui ont été les pierres angulaires de l’électrothérapie chez les patients atteints d’insuffisance cardiaque, ont montré une réduction de la mortalité pouvant atteindre 36 %, une taille d’effet rarement observée dans les essais aujourd’hui [5].
Thérapie de resynchronisation cardiaque – problèmes
Les cliniciens évaluent l’efficacité de la CRT sur la base des résultats échocardiographiques, de l’évaluation clinique et/ou de l’enregistrement de l’ECG. Malheureusement, tous les patients ne bénéficient pas de la CRT de la même manière. Selon les données disponibles, jusqu’à un tiers des patients peuvent être classés comme « non-répondeurs » [6]. Les raisons de l’absence d’amélioration de l’état de santé d’un patient après la pose d’un dispositif de CRT devraient être investiguées sur différents aspects liés à la gestion de l’IC. L’optimisation des réglages de ce dispositif est une activité très chronophage, mais elle peut apporter des résultats positifs et améliorer l’état du patient. Bien sûr, une observation plus longue (par exemple, la surveillance ECG Holter pendant 24 heures) est bénéfique et peut fournir plus d’informations sur le mécanisme de la non-réponse à la CRT. Malheureusement, plus de données signifient que les médecins doivent consacrer plus de leur temps précieux à les évaluer.
Étant donné que les médecins disposent de peu de temps pour chaque patient, les cliniciens recherchent de nouvelles solutions pour soutenir l’analyse des enregistrements ECG à long terme. Un appel à l’orientation et à l’optimisation des soins aux patients sous CRT a récemment été lancé par trois sociétés européennes de cardiologie [7].
Existe-t-il un moyen d’optimiser le travail d’un clinicien ?
Nous le pensons. C’est pourquoi, en collaboration avec l’Université Médicale de Varsovie, nous avons demandé une subvention auprès du Centre National de Recherche et de Développement. Le but de ce projet (NCT04061434) était de développer un algorithme d’IA basé sur les tracés ECG et d’évaluer sa capacité à détecter une stimulation inefficace de la CRT. L’application de cette méthode en pratique clinique pourrait potentiellement augmenter l’efficacité et améliorer les soins aux patients.
Résultats et conclusions
541 patients ont participé à l’étude, parmi lesquels 1241 enregistrements ont été recueillis. Une évaluation de l’efficacité de la CRT a été réalisée chez les patients qualifiés comme ayant bénéficié de : CRT efficace, CRT inefficace et rythme de base sans aucune stimulation. Sur la base de l’apprentissage de l’algorithme, nous avons obtenu un bon niveau de sensibilité dans la détection de la stimulation efficace de la CRT (99,2 %, avec une précision de 92,4 %). L’erreur d’analyse automatique pour l’ensemble de données préparé de cette manière a été déterminée au niveau des battements cardiaques uniques, soit 0,25 % [8].
Notre algorithme a montré des résultats très positifs et son application clinique présente de nombreux aspects précieux. Le temps précieux des cliniciens peut être mieux géré et l’efficacité de la CRT analysée plus rapidement. Par conséquent, les réglages de la CRT peuvent être optimisés, permettant éventuellement à davantage de patients de bénéficier de pronostics améliorés. Les cliniciens peuvent fournir des soins professionnels à davantage de patients au lieu d’analyser de longs tracés ECG.
En savoir plus dans l’article évalué par des pairs « Utilisation d’algorithmes d’apprentissage automatique dans l’évaluation de l’efficacité de la thérapie de resynchronisation », publié dans le Journal of Cardiovascular Development and Disease. Cardiovascular Development and Disease
Conducteur des recherches utilisant des enregistrements ECG ?
Essayez notre solution.
Contactez notre équipe clinique.
Bibliographie
[1] Khan, M.A.; et al. Global Epidemiology of Ischemic Heart Disease: Results from the Global Burden of Disease Study. Cureus 2020, 12, 9349.
[2] McDonagh,T.A.; et al. Corrigendum to: 2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure. Eur. Heart J. 2021, 42, 3599–3726.
[3] Liang, Y.; et al. Prediction of response after cardiac resynchronization therapy with machine learning. Int. J. Cardiol. 2021, 344, 120–126.
[4] Cleland, J.G.; et al. Long-term mortality with cardiac resynchronization therapy in the Cardiac Resynchronization-Heart Failure (CARE-HF) trial. Eur. J. Heart Fail. 2012, 14, 628–634.
[5] Bilchick, K.C.; et al. Bundle-Branch Block Morphology and Other Predictors of Outcome After Cardiac Resynchronization Therapy in Medicare Patients. Circulation 2010, 122, 2022–2030.
[6] Howell, S.J.; et al. Using Machine-Learning for Prediction of the Response to Cardiac Resynchronization Therapy: The SMART-AV Study. JACC Clin. Electrophysiol. 2021, 7, 1505–15.
[7] Mullens, W.; et al. Optimized implementation of cardiac resynchronization therapy. Eur. J. Heart Fail. 2020, 22, 2349–2369.
[8] Krzowski, B.; et al. The Use of Machine Learning Algorithms in the Evaluation of the Effectiveness of Resynchronization Therapy. J. Cardiovasc. Dev. Dis. 2022, 9, 17.