L’échocardiographie demeure la méthode d’imagerie cardiaque la plus utilisée, permettant d’évaluer la structure et la fonction du cœur à partir de données vidéo ultrasonores. Bien que l’intelligence artificielle (IA) présente un potentiel important pour automatiser les tâches manuelles, améliorer la reproductibilité et la précision des analyses, la plupart des modèles actuels se limitent à une seule vue et une seule tâche, sans exploiter les informations complémentaires provenant de plusieurs vues capturées lors d’un examen complet. Cette approche fragmentée limite leur efficacité et leur champ d’application. Pour surmonter ces limitations, une équipe de chercheurs a développé EchoPrime, un modèle fondamental de vision-langage vidéo, multi-vues et informé des vues, entraîné sur plus de 12 millions de paires vidéo-rapports cliniques. Ce modèle utilise une méthode d’apprentissage contrastif pour construire un espace d’encodage unifié couvrant toutes les vues standard d’un examen échocardiographique complet, tout en représentant à la fois des maladies fréquentes et rares. Grâce à une classification des vues et à un module d’attention anatomo-vidéo, EchoPrime pondère intelligemment les représentations vidéo en fonction de leur correspondance avec les structures cardiaques spécifiques, assurant ainsi une compréhension fine des relations entre les vues et l’anatomie. Enfin, EchoPrime intègre une approche d’interprétation enrichie par recherche (retrieval-augmented interpretation), qui permet de synthétiser l’information provenant de toutes les vidéos d’un examen complet, offrant ainsi une évaluation clinique globale et cohérente. Évalué sur des jeux de données provenant de cinq systèmes de santé indépendants à l’échelle internationale, EchoPrime atteint des performances de pointe sur 23 indicateurs variés d’analyse de la forme et de la fonction cardiaque, dépassant à la fois les approches spécialisées par tâche et les modèles fondamentaux antérieurs. Après une évaluation clinique rigoureuse, EchoPrime s’impose comme un outil prometteur pour aider les cardiologues à effectuer une évaluation préliminaire automatisée et fiable de l’échocardiographie complète. Ce progrès ouvre la voie à une intégration plus profonde de l’IA dans la pratique clinique, en améliorant la rapidité, la précision et la cohérence des diagnostics cardiaques.