Dans de nombreux pays à revenu faible ou intermédiaire, les enfants atteints de malformations cardiaques congénitales ne reçoivent pas les soins appropriés en raison d’un manque d’accès à des technologies diagnostiques avancées. Des études montrent que jusqu’à 90 % de ces enfants bénéficient d’un suivi cardiaque limité. Pour combler cette lacune, une initiative menée par l’hôpital Boston Children’s a lancé le CHAI Lab (Congenital Heart Artificial Intelligence), dirigé par les docteurs John Triedman, Sunil Ghelani et Joshua Mayourian. Ce laboratoire, l’un des premiers à réunir des cardiologues pédiatriques, des informaticiens et des experts en données, conçoit des outils d’intelligence artificielle (IA) spécifiquement destinés au diagnostic et à la gestion des maladies cardiaques chez les enfants. L’un des objectifs premiers du CHAI Lab est d’exploiter l’électrocardiogramme (ECG), un test peu coûteux, largement disponible et facile à réaliser. Bien que simple, l’ECG contient des informations précieuses sur la fonction cardiaque. Grâce à l’IA, les chercheurs peuvent extraire des données cachées dans les signaux électriques du cœur, permettant d’évaluer non seulement le rythme cardiaque, mais aussi la contractilité du muscle cardiaque et des anomalies structurelles. Une étude publiée dans JACC: Clinical Electrophysiology a démontré qu’un modèle d’IA-ECG surpassait les logiciels commerciaux dans la détection de syndromes graves comme le syndrome de Wolff-Parkinson-White ou le syndrome du QT long, responsables d’arythmies potentiellement mortelles. Les experts ont même accordé plus de confiance aux jugements de l’IA qu’à ceux de cardiologues expérimentés. L’un des exploits les plus significatifs de l’IA réside dans sa capacité à repérer des signes invisibles à l’œil humain. Par exemple, un modèle du CHAI Lab a réussi à prédire une dysfonction ventriculaire — une altération de la contraction du cœur — uniquement à partir d’un ECG, comme l’ont rapporté Mayourian, Triedman et leurs collègues dans The Lancet Digital Health. L’IA analyse des variations subtiles dans la complexe QRS, indiquant des anomalies dans l’activation du muscle cardiaque, souvent avant que les symptômes ne se manifestent. L’accessibilité de l’ECG en fait un outil idéal pour les zones reculées ou sous-dotées. Les médecins pourraient utiliser ces modèles d’IA pour trier rapidement les enfants à risque, notamment lors de dépistages scolaires ou sportifs, et ainsi mieux orienter les ressources limitées. Le CHAI Lab s’engage à tester ses outils sur des populations diverses et à intégrer les retours des cliniciens et des patients pour renforcer la confiance dans les systèmes d’IA. Un atout majeur du laboratoire réside dans son accès à une base de données médicale massive et sécurisée, accumulée depuis plus de 60 ans. Grâce au système de codage Fyler, cette base permet d’analyser des milliers de cas de maladies cardiaques congénitales, offrant une richesse de données pour entraîner des modèles d’IA robustes. Ces données anonymisées permettent d’étudier l’évolution des traitements et les résultats cliniques à long terme. « Nous avons la chance d’avoir des experts à Boston, mais nous ne pouvons pas tous les envoyer partout », souligne Mayourian. « Notre objectif est d’utiliser l’IA pour partager nos connaissances et améliorer la prise en charge des enfants cardiaques dans le monde entier. »