Insuffisance cardiaque : l’IA veut repérer le risque avant les symptômes

L’insuffisance cardiaque ne signifie pas que le cœur s’arrête de battre. Elle désigne une situation dans laquelle il n’assure plus suffisamment efficacement la circulation du sang pour répondre aux besoins de l’organisme. Essoufflement, fatigue inhabituelle ou rétention de liquides peuvent alors s’installer, parfois après une phase où les signaux restent discrets. C’est précisément dans cet intervalle que des chercheurs du MIT et de la Harvard Medical School veulent faire intervenir l’intelligence artificielle, avec un dispositif baptisé Cardiac Hemodynamic AI Monitoring System, ou CHAIS.

L’ambition est de taille : exploiter un électrocardiogramme, ou ECG, enregistré par un seul capteur adhésif, pour estimer un paramètre associé à l’état hémodynamique du cœur. En clair, il s’agirait d’obtenir, sans geste invasif, un indice qui aide les médecins à repérer une aggravation potentielle avant que le patient ne présente des symptômes évidents. Au 10 février 2025, il s’agit encore d’une piste de recherche qui demande des validations cliniques supplémentaires, non d’un remplacement immédiatement disponible des examens cardiologiques de référence.

Pourquoi l’insuffisance cardiaque exige un suivi précoce

Avec plus de 64 millions de personnes concernées dans le monde, l’insuffisance cardiaque représente un défi majeur pour les systèmes de soins. Elle peut résulter de problèmes structurels ou fonctionnels du cœur : le muscle cardiaque peut se contracter moins efficacement, se relâcher difficilement ou être soumis à des pressions trop élevées. Dans tous les cas, le débit sanguin et les pressions à l’intérieur de l’appareil cardiovasculaire risquent d’être perturbés.

Le cœur possède quatre cavités : deux oreillettes et deux ventricules. Les oreillettes reçoivent le sang, les ventricules le propulsent. L’oreillette gauche, notamment, reçoit le sang oxygéné provenant des poumons avant son passage vers le ventricule gauche, qui l’envoie ensuite dans le reste du corps. Lorsque les pressions augmentent du côté gauche du cœur, cette élévation peut se répercuter vers la circulation pulmonaire. Elle contribue alors à des symptômes tels que l’essoufflement.

Pour les soignants, la difficulté ne consiste donc pas seulement à constater une décompensation cardiaque une fois qu’elle est installée. Elle est aussi d’identifier assez tôt les changements physiologiques qui peuvent l’annoncer afin d’adapter le suivi et la prise en charge. Or les outils les plus précis ne sont pas toujours simples à répéter en dehors de l’hôpital.

Comment l’apprentissage profond lit un ECG différemment

Un électrocardiogramme traduit en courbe les signaux électriques produits à chaque battement. Les cliniciens l’utilisent depuis longtemps pour rechercher, par exemple, des troubles du rythme ou de la conduction électrique. Mais un tracé contient bien davantage d’informations que celles immédiatement visibles à l’œil nu, et certaines relations avec l’état hémodynamique sont trop complexes pour être repérées de manière systématique par une lecture classique.

C’est là qu’intervient l’apprentissage profond. Cette famille de méthodes d’intelligence artificielle entraîne des réseaux de neurones sur un grand nombre d’exemples. Dans le cas de CHAIS, le modèle apprend à rapprocher les caractéristiques d’un signal ECG d’informations obtenues par une mesure invasive de référence. Une fois entraîné, il peut produire une estimation à partir d’un nouvel enregistrement.

Le mot « prédiction » mérite toutefois d’être employé avec prudence. L’algorithme ne lit pas l’avenir et ne pose pas seul un diagnostic d’insuffisance cardiaque. Il calcule une estimation statistique à partir de signaux passés et de données avec lesquelles il a été entraîné. La qualité de cette estimation dépend notamment de la diversité des patients étudiés, de la fiabilité de l’enregistrement ECG et de la manière dont le résultat est interprété par une équipe médicale.

Cette approche présente un intérêt pratique évident. Un ECG à une dérivation, obtenu grâce à un petit capteur collé sur la peau, est beaucoup moins lourd à organiser qu’un examen invasif. Il pourrait fournir des données répétées et aider à décider quels patients doivent être vus ou explorés plus rapidement.

CHAIS, un capteur unique pour estimer la pression cardiaque

Le Cardiac Hemodynamic AI Monitoring System, ou CHAIS, repose sur l’analyse d’un ECG enregistré à partir d’un seul capteur adhésif. Son objectif est d’estimer de manière non invasive la pression associée à l’oreillette gauche, un indicateur important lorsque l’on cherche à comprendre les symptômes de congestion pulmonaire ou à suivre l’équilibre d’un patient atteint d’insuffisance cardiaque.

Aujourd’hui, les informations hémodynamiques détaillées peuvent nécessiter un cathétérisme cardiaque droit. Cet examen consiste à introduire un cathéter dans un vaisseau sanguin jusqu’au cœur droit et à la circulation pulmonaire afin d’obtenir des mesures de pression. Il apporte des données de référence précieuses, mais il s’agit d’un geste médical invasif qui ne se prête pas à un suivi quotidien de routine et qui comporte des risques.

CHAIS ne prétend donc pas reproduire le cathétérisme dans toutes ses fonctions. Son intérêt potentiel réside dans une estimation plus simple à répéter, susceptible de signaler qu’une évaluation médicale est nécessaire. La nuance est essentielle : une alerte algorithmique n’a de valeur qu’intégrée au dossier du patient, à ses symptômes, à son examen clinique et aux autres résultats disponibles.

Que montrent les premiers résultats disponibles ?

Les résultats préliminaires rapportés pour CHAIS indiquent une concordance significative avec les données issues des méthodes invasives. Les chercheurs font état d’une valeur pouvant atteindre 0,875 dans la comparaison avec des mesures de cathétérisme effectuées au cours des 90 minutes précédant l’intervention. Le matériau disponible ne précise pas ici l’ensemble des paramètres statistiques nécessaires pour interpréter ce chiffre dans tous les détails, mais il témoigne d’un signal de performance suffisamment encourageant pour poursuivre l’évaluation.

Le protocole temporel compte beaucoup. Un état hémodynamique peut évoluer avec les traitements, l’activité, la position ou l’évolution de la maladie. Comparer l’ECG à une mesure réalisée dans une fenêtre proche, ici une heure et demie, aide à vérifier que le modèle se rapporte bien à une situation physiologique comparable. Cela ne dispense pas de confirmer les résultats sur davantage de patients et dans différents contextes de soins.

L’enjeu clinique est de détecter les personnes susceptibles de se dégrader avant l’apparition de symptômes cliniques. Si ce repérage se confirmait, les équipes pourraient intervenir plus tôt : organiser une consultation, compléter les examens ou ajuster la stratégie de prise en charge selon le jugement médical. Une telle anticipation pourrait aussi contribuer à éviter certaines hospitalisations répétées, qui pèsent lourdement sur les patients comme sur les hôpitaux.

Du laboratoire au domicile, la promesse d’un suivi moins lourd

Le cardiologue Collin Stultz souligne le potentiel d’un tel mécanisme pour transformer les pratiques : des informations importantes sur l’état cardiaque pourraient être recueillies hors de l’hôpital. Pour des personnes vivant avec une insuffisance cardiaque, le bénéfice attendu est moins un objet technologique qu’un parcours de soins plus réactif, avec une surveillance susceptible de déclencher une alerte au bon moment.

Un suivi à domicile ne signifie pas que le patient serait laissé seul face à une application. Au contraire, l’utilité d’un système comme CHAIS dépendrait de son intégration dans une organisation claire : qualité du signal enregistré, transmission sécurisée, analyse du résultat, seuils d’alerte, interlocuteur médical et consignes comprises par le patient. Une alerte trop fréquente peut inquiéter inutilement ou surcharger les équipes. Une alerte insuffisamment sensible peut, elle, manquer une dégradation réelle.

Les essais supplémentaires prévus doivent donc répondre à des questions très concrètes : le système conserve-t-il ses performances chez des patients d’âges, d’origines et de profils cliniques variés ? Est-il fiable en situation quotidienne ? Permet-il réellement d’améliorer les décisions et les résultats de santé ? La collaboration annoncée avec des partenaires tels que le Boston Medical Center doit contribuer à produire des données plus robustes avant une éventuelle diffusion plus large.

L’accès équitable, condition d’une innovation utile

L’intelligence artificielle en santé ne réduit pas automatiquement les inégalités. Un capteur simple peut, en théorie, rapprocher certains outils de surveillance des patients éloignés d’un centre spécialisé. Mais ce gain potentiel dépend de nombreuses conditions : couverture financière du dispositif, accès à un professionnel, connexion et outils numériques, compréhension des consignes, qualité des données recueillies et disponibilité d’un suivi en cas d’alerte.

Les algorithmes posent aussi une exigence de représentativité. S’ils sont principalement entraînés sur certains groupes de patients, ils peuvent se révéler moins fiables chez d’autres. En cardiologie, où l’âge, les antécédents, les comorbidités et les caractéristiques physiologiques varient fortement, la validation sur des populations diversifiées est indispensable.

Enfin, les données de santé sont particulièrement sensibles. La généralisation d’une surveillance à distance suppose des règles solides concernant le consentement, l’accès aux données, leur sécurité et les responsabilités en cas de signalement. Le progrès ne se mesure pas seulement à la précision d’un modèle, mais aussi à sa capacité à s’insérer de façon sûre, compréhensible et équitable dans la relation de soin.

Ce qu’il faut surveiller avant un déploiement à grande échelle

CHAIS illustre une évolution importante de l’IA médicale : utiliser des examens simples et déjà connus pour extraire des indices physiologiques plus difficiles à obtenir. Pour l’insuffisance cardiaque, la perspective est particulièrement attractive, car agir tôt peut changer l’expérience des patients et réduire la pression sur les services hospitaliers.

Mais plusieurs étapes restent décisives au 10 février 2025. Les recherches doivent confirmer la robustesse du système dans des essais supplémentaires, préciser la place exacte de son résultat dans la décision clinique et démontrer un bénéfice réel pour les patients. Il faudra aussi établir comment le dispositif peut être utilisé dans les parcours de soins sans transformer chaque variation de signal en urgence.

La technologie ne remplace ni l’écoute des symptômes ni l’expertise d’un cardiologue. Elle pourrait en revanche devenir un outil de vigilance : un moyen de rendre visible plus tôt une évolution qui, sans cela, ne serait détectée qu’au moment où le patient se sent déjà moins bien. C’est cette promesse, celle d’une cardiologie davantage tournée vers l’anticipation que vers la réaction, que les prochaines validations devront mettre à l’épreuve.