Une équipe de chercheurs de l'Université de Pennsylvanie a développé un modèle d'intelligence artificielle capable de prédire un arrêt cardiaque entre dix et quinze minutes avant sa survenue. Ce projet, fruit d'une collaboration entre les médecins de la Perelman School of Medicine et les ingénieurs de l'École d'ingénierie, vise à exploiter les flux massifs de données d'électrocardiogrammes (ECG) souvent ignorés après leur acquisition initiale. Le Dr Rajat Deo, cardiologue, souligne que les hôpitaux génèrent quotidiennement d'énormes quantités de traces électriques cardiaques qui, bien qu'essentielles au diagnostic immédiat, sont rarement utilisées pour l'analyse prédictive à long terme. L'innovation réside dans le modèle nommé CAMEL, pour Cardiac Autoregressive Model for ECG Language-Modeling. Contrairement aux systèmes d'IA traditionnels qui se contentent de classifier des anomalies présentes sur des extraits de dix secondes, CAMEL traite les rythmes cardiaques comme du langage. Cette approche permet au système d'analyser des segments de signal étendus, couvrant plusieurs heures de surveillance continue, pour détecter des motifs subtils annonciateurs d'événements futurs. En encodant les ondes ECG de manière à les interpréter conjointement avec des notes cliniques, le modèle raisonne sur les variations fines du rythme de manière analogue à un médecin, identifiant des signes avant-coureurs invisibles aux outils conventionnels. Les résultats préliminaires sont prometteurs. Le modèle montre une capacité significative à détecter des indicateurs précoces de risques d'arrêt cardiaque en milieu hospitalier, même dans le cadre de rythmes sinusoïdaux apparemment normaux. Il peut repérer les signes distinctifs de troubles du rythme graves tels que la fibrillation ventriculaire ou la tachycardie ventriculaire bien avant l'effondrement hémodynamique. L'équipe est actuellement en phase de test pour valider l'utilisation du modèle en temps réel. Une étape cruciale consiste à analyser les données des patients sans déclencher d'alertes pour le personnel soignant, afin d'éviter les fausses alarmes qui satureraient les services d'urgence et détourneraient des ressources précieuses. L'objectif est de garantir une fiabilité suffisante avant de rendre ces prédictions opérationnelles. Les chercheurs compareront ensuite les prévisions de CAMEL avec les issues réelles des patients pour déterminer si cette anticipation dépasse les standards de soins actuels. Au-delà du contexte hospitalier, les chercheurs envisagent l'application de cette technologie aux dispositifs portables grand public. L'objectif est d'étendre les capacités de surveillance cardiaque prédictive à la population générale, offrant potentiellement une vigilance accrue sur le rythme cardiaque en dehors des établissements de santé. Cette initiative marque un tournant dans la façon dont les données médicales sont exploitées, transformant des flux d'information passifs en outils actifs de prévention de la mort subite.