Des chercheurs de l'université de santé Cedars-Sinai ont publié deux études majeures qui font progresser la prédiction de l'arrêt cardiaque soudain, un événement souvent fatal qui survient principalement en dehors des structures hospitalières. Chaque année, plus de 350 000 personnes enregistrent un tel incident aux États-Unis, avec un taux de survie d'environ dix pour cent. Historiquement, la médecine reposait sur le dépistage d'une faiblesse de la fonction de pompage du ventricule gauche. Cet indicateur s'est toutefois révélé insuffisant, car plus des deux tiers des victimes présentent une fonction cardiaque normale avant l'incident. La première étude, publiée dans la revue Circulation : Arrhythmia and Electrophysiology, exploite l'apprentissage automatique pour identifier des combinaisons de symptômes et d'antécédents médicaux capables de prédire un arrêt cardiaque imminent. En traitant des données issues d'appels d'urgence, les algorithmes ont mis en lumière des signaux récurrents : essoufflement associé à une maladie coronarienne ou une insuffisance cardiaque, ou encore manifestations pseudo-épileptiques sans douleur thoracique. La présence de douleur thoracique couplée à une maladie coronarienne caractérise davantage les femmes, tandis que l'association avec une insuffisance cardiaque touche principalement les hommes. Ces symptômes apparaissent généralement au moins quinze minutes avant le basculement critique, créant une fenêtre d'intervention souvent gaspillée. L'équipe note que soixante-douze pour cent des patients retardent l'appel aux services d'urgence, ce qui réduit drastiquement les chances de réanimation par les équipes mobiles. La seconde étude, parue dans le Journal of the American Heart Association, propose une approche longitudinale basée sur le suivi numérique des patients. En analysant les dossiers de milliers de personnes hospitalisées pour insuffisance cardiaque ou syndrome coronarien aigu, les chercheurs ont établi que la récurrence d'événements cardiovasculaires constitue un multiplicateur de risque majeur. Un deuxième blocage artériel triple la probabilité d'arrêt cardiaque soudain, tandis qu'une seconde hospitalisation pour insuffisance cardiaque la double. Le risque s'accroît linéairement à chaque épisode supplémentaire, validant la nécessité d'une surveillance accrue après le premier incident récurrent. Ces deux volets de recherche convergent vers le développement d'algorithmes prédictifs destinés aux systèmes de santé d'urgence. En intégrant l'analyse temporelle des symptômes et l'historique hospitalier dans des outils décisionnels, la technologie pourrait aider les médecins à identifier les patients à haut risque en temps réel, à déclencher des examens ciblés et à éduquer les proches sur les gestes de premiers secours. Les auteurs soulignent que la validation clinique sur des populations plus variées reste indispensable avant un déploiement à large échelle. Par ailleurs, l'équipe de Cedars-Sinai poursuit ses travaux en appliquant l'intelligence artificielle à l'interprétation automatisée des électrocardiogrammes et à la détection de marqueurs génétiques, consolidant ainsi une stratégie technologique hybride pour réduire la mortalité liée à l'arrêt cardiaque soudain.