Une intelligence artificielle capable d’analyser un électrocardiogramme (ECG) standard pourrait révolutionner le suivi cardiaque à long terme des patients ayant subi une réparation de la tétralogie de Fallot, une malformation cardiaque congénitale. Une équipe du Mount Sinai Kravis Children's Heart Center a mené une étude multicentrique, financée par les National Institutes of Health, visant à développer et valider un outil d’IA capable de détecter, à partir d’un ECG classique, des signes de remodelage ventriculaire – des modifications de la taille et de la fonction du cœur – généralement repérées par imagerie par résonance magnétique (IRM) cardiaque. La tétralogie de Fallot, bien qu’elle soit corrigée chirurgicalement en enfance, nécessite un suivi vital tout au long de la vie. L’IRM cardiaque reste le standard de référence pour évaluer l’évolution du cœur, mais elle est coûteuse, longue à réaliser et difficile d’accès pour de nombreux patients, ce qui entraîne souvent des retards ou des oublis dans les contrôles recommandés. Dans cette étude, les chercheurs ont entraîné un modèle d’IA à partir de données ECG et IRM provenant de patients ayant une tétralogie de Fallot réparée. Ils ont ensuite validé le modèle dans cinq hôpitaux différents en Amérique du Nord. L’IA a appris à reconnaître des motifs spécifiques dans les signaux ECG associés à des changements structurels du cœur, tels que l’agrandissement ou la baisse de la fonction ventriculaire. Les résultats montrent que ce modèle peut identifier avec précision les patients à risque de complications, permettant ainsi aux cliniciens de mieux cibler les examens d’IRM. « Cette recherche démontre comment l’intelligence artificielle peut extraire une valeur nouvelle d’un examen aussi courant qu’un ECG », explique le Dr Son Duong, auteur principal et professeur adjoint de pédiatrie et d’intelligence artificielle en santé à l’Icahn School of Medicine de Mount Sinai. « Notre objectif est de rendre le suivi cardiaque plus accessible et plus efficace pour les personnes nées avec une maladie cardiaque congénitale. » Les chercheurs insistent sur le fait que l’outil n’a pas vocation à remplacer l’IRM cardiaque, mais à servir de filtre intelligent pour déterminer quand un examen d’imagerie est urgent. « À mesure que l’IA s’intègre davantage dans les soins, il est essentiel de valider rigoureusement ces outils dans des contextes cliniques variés », souligne le Dr Girish Nadkarni, co-auteur principal et directeur du Hasso Plattner Institute for Digital Health. « Nos résultats montrent à la fois le potentiel de l’IA pour le dépistage, mais aussi l’importance de tester sa performance dans chaque établissement avant son déploiement réel. » Cette approche pourrait transformer la prise en charge des patients atteints de maladies cardiaques congénitales, en rendant le suivi plus régulier, moins coûteux et plus accessible. Les chercheurs prévoient désormais tester le modèle dans des études cliniques prospectives, notamment chez les jeunes patients, et l’ajuster pour une intégration progressive dans les pratiques médicales courantes.