Mort cardiaque subite. C’est le sombre titre qui frappe chaque année 300 001 personnes aux États-Unis.
Les défibrillateurs implantables existent. Ils arrêtent les rythmes mortels. La technologie fonctionne bien. Le vrai casse-tête ? Nous ne savons pas qui en a besoin jusqu’à ce qu’il soit souvent trop tard.
Cela change légèrement aujourd’hui.
Une équipe dirigée par Ziad Obermeya, professeur agrégé à l’UC Berkeley, vient de publier une étude dans Nature. Ils ont formé un réseau neuronal pour détecter le danger sur un électrocardiogramme (ECG) de dix secondes. Ensuite, et surtout, ils ont construit un deuxième réseau pour montrer comment le premier l’avait fait.
Pourquoi s’embêter avec le deuxième modèle ?
Parce que la médecine déteste les boîtes noires. Nous avons besoin d’experts humains pour découvrir les indices par eux-mêmes.
À l’heure actuelle, les cardiologues s’appuient sur la fraction d’éjection ventriculaire gauche (FEVG). Il mesure la quantité de sang que le cœur pompe par battement par échographie.
C’est loin d’être parfait.
“Beaucoup de gens qui meurent subitement… ont subi une [échographie] et les résultats étaient normaux”, explique Obermeyer. Pendant ce temps, de nombreuses personnes à haut risque n’ont jamais été analysées. D’un autre côté, la plupart des personnes signalées comme à haut risque ne déclenchent jamais leur défibrillateur. Nous en surtraitons certains. Sous-traiter les autres.
L’équipe d’Obermeyer voulait mieux.
Ils se sont tournés vers les ECG. Bon marché. Omniprésent. Mais pendant un siècle, les cardiologues n’ont vu que des formes d’onde familières. Pas de code caché pour la mort subite. Ils ont donc laissé le deep learning creuser.
Le moteur était un ResNet à 64 couches. Ennuyeux? Bien sûr.
“C’est une sorte de modèle d’atelier que tout le monde utilise.”
La magie était le carburant. Ils lui ont fourni plus de 440 090 ECG provenant de 180 000 patients en Suède, liés à des actes de décès. Un ensemble de données massif. L’IA a signalé environ 2,2 % de cas à haut risque.
Est-ce que ça tient ailleurs ?
Oui. Ils ont testé sur des données américaines et taïwanaises. Le signal est resté net. Au sein de ce petit groupe de 2,2, le taux de mortalité annuel a atteint 7 %. Les tests échographiques standards manquent cela. Plus de 86 % des choix de l’IA n’auraient pas déclenché l’alarme avec des outils traditionnels. Ces patients sont probablement rentrés chez eux sans protection.
“Mais que voit la machine ?” » demanda Obermeyer.
Les outils d’explicabilité standard mettent en évidence les pixels. Pas utile à un médecin humain. Vous avez besoin d’un modèle. Une vague dessinable.
Ils ont donc construit un modèle génératif. Son travail : transformer un ECG sûr en un ECG risqué, étape par étape, jusqu’à ce que le premier réseau crie au danger.
La plupart des changements étaient connus. Attendu.
Mais une particularité ? Nouveau. Jamais décrit.
Une subtile suspension en plomb aVL. Comme si le signal électrique se fragmentait lorsqu’il frappait le muscle.
« Nous avons extrait de nouvelles connaissances de l’intelligence artificielle », explique Changxin Lai de Johns Hopkins, qui n’a pas participé à l’étude mais a révisé les travaux.
Cela semble effrayant ?
Peut être. Pour certains patients à haut risque, les IRM ont montré une fibrose diffuse. Des cicatrices qui correspondent aux vagues étranges générées par l’IA. Une cause physique pour l’avertissement numérique. Obermeyer admet que la confirmation de la biopsie est manquante. C’est préliminaire.
Ne paniquez pas encore.
“Ce n’est pas prêt à orienter le traitement”, prévient Sumeet Chugh de Cedars-Sinai. Il voit beaucoup plus de recherches avant d’identifier des candidats défibrillateurs dans la pratique.
Mais pensez à la logistique. Les IRM coûtent cher. Rare pour le dépistage.
Des ECG ? N’importe où. Une Apple Watch peut les enregistrer. Oui, l’IA préfère les données de qualité hospitalière, mais l’écart se réduit. La baisse de qualité de la technologie grand public est mineure selon l’équipe.
La beauté de cette approche ? Vous n’êtes pas obligé de faire confiance au robot.
“Vous pouvez simplement l’utiliser pour cibler davantage”, explique Obermeyer. Il indique qui obtient la plongée la plus profonde. Pas qui se fera opérer aujourd’hui.
Cela laisse cependant une question en suspens.
Si une IA détecte une fracture dans le signal que nous avons ignoré pendant cent ans, combien d’autres fantômes se cachent à la vue de nos cartes ?
Nous ne le saurons peut-être jamais si nous ne les écoutons pas.
