L'insuffisance cardiaque nécessite un suivi étroit, surtout après une hospitalisation. Un indicateur clé est la fraction d'éjection (FEVG), qui est généralement mesurée par des échocardiogrammes. Des chercheurs du MIT et de Harvard présentent PULSE-HF, un modèle qui analyse un simple électrocardiogramme pour prédire si la FEVG va s'aggraver. Cela permettrait de prioriser le suivi des patients à plus haut risque.
L'apprentissage profond interprète des signaux cachés dans l'ECG 💡
PULSE-HF utilise des réseaux de neurones convolutifs entraînés avec des milliers de paires d'ECG et d'échocardiogrammes. Le modèle ne diagnostique pas la maladie, mais identifie des motifs subtils dans le signal électrique du cœur qui précèdent une détérioration de la fonction de pompage. En traitant un ECG standard, il génère une prédiction de risque. L'approche vise à être un outil de tri, complétant les méthodes plus coûteuses.
Ton cœur a un historique que l'ECG n'oublie pas 🫀
Il semble que l'électrocardiogramme, cet examen de routine qui ressemble parfois à une formalité, gardait des secrets. Pendant que le médecin examine le tracé, un algorithme pourrait murmurer : ce patient va avoir besoin de plus d'attention. C'est comme si le câblage du cœur laissait un message d'erreur anticipé, une prémonition technique qui transforme un examen simple en boule de cristal numérique. La machine ne voit plus seulement le présent ; maintenant, elle lit entre les lignes de l'avenir.