·
·
Sunday, 11 October 2026dailybeirut.com
Tech & Sciences
Des chercheurs américains ont mis au point un modèle d'intelligence artificielle capable d'anticiper plusieurs années à l'avance les risques de maladies cardiovasculaires grâce à l'analyse des signaux électriques du cœur enregistrés pendant le sommeil.
Une équipe de chercheurs américains a développé un algorithme d'intelligence artificielle permettant de prévoir les dangers liés aux pathologies cardiaques bien avant l'apparition des premiers symptômes. Cette avancée repose sur l'exploitation des données issues d'un électrocardiogramme enregistré durant la phase de sommeil, offrant ainsi une nouvelle perspective pour le dépistage précoce des troubles cardiovasculaires.
La recherche, soutenue par les Instituts nationaux de la santé (NIH), démontre que les techniques d'apprentissage profond sont en mesure d'interpréter les signaux électriques cardiaques tout au long des différentes étapes du cycle de sommeil. Le système identifie les individus présentant une vulnérabilité accrue face à la fibrillation auriculaire et à l'insuffisance cardiaque, tout en estimant le risque de mortalité sur une période décennale suivant l'examen.
Les scientifiques ont mobilisé les dossiers médicaux de 38 195 patients ayant subi des examens du sommeil dans trois établissements hospitaliers américains. Pour entraîner et valider le modèle, ils ont combiné des enregistrements mono-canal de l'électrocardiogramme avec des informations détaillées sur les phases de sommeil, afin de tester la capacité prédictive de l'outil concernant les futurs problèmes de santé.
Le développement initial s'est appuyé sur les données de 15 809 patients issus de l'hôpital général Massachusetts de Boston. La performance de l'algorithme a ensuite été vérifiée sur deux cohortes indépendantes : 9 810 sujets provenant du centre médical universitaire Emory d'Atlanta et 12 576 patients du centre Beth Israel Deaconess Medical Center, également situé à Boston.
L'analyse a permis de stratifier les participants selon leur niveau de dangerosité. Cette classification conserve sa pertinence même après prise en compte des facteurs de risque classiques tels que l'âge, le sexe, l'obésité, le diabète ou l'hypertension artérielle, ainsi que les troubles du sommeil comme l'apnée obstructive.
Si le modèle affiche une promesse notable pour anticiper la fibrillation auriculaire, l'insuffisance cardiaque et la mortalité toutes causes confondues, sa fiabilité concernant les crises cardiaques et les accidents vasculaires cérébraux nécessite encore des perfectionnements. David Gov, directeur par intérim de l'Institut national du cœur, du poumon et du sang aux États-Unis, souligne que cette approche pourrait détecter les personnes à risque plusieurs années avant la manifestation clinique des symptômes.
Il précise que la prochaine étape consistera à évaluer l'apport réel de cette technologie par rapport aux méthodes de prédiction actuelles, ouvrant la voie à une éventuelle intégration future dans les protocoles de surveillance du sommeil en milieu hospitalier.
Publiés dans la revue SLEEP, les résultats indiquent que l'ajout des estimations fournies par l'intelligence artificielle aux indicateurs de risque connus améliore significativement la précision prédictive. Selon certaines mesures statistiques, la performance gagne entre 4 et 6 points de pourcentage pour la fibrillation auriculaire, 8 à 9 points pour l'insuffisance cardiaque, et 4 à 7 points pour la mortalité.
Gary Clifford, chercheur associé à l'étude et membre de la faculté de médecine de l'université Emory, affirme que ces conclusions prouvent l'utilité des données recueillies lors des bilans de sommeil pour cibler les patients les plus exposés. Cela permettrait d'initier des mesures préventives précoces et d'affiner les décisions thérapeutiques.
L'un des atouts majeurs de ce dispositif réside dans son utilisation d'une seule voie d'enregistrement de l'activité électrique cardiaque, contrairement à l'électrocardiogramme standard qui requiert douze dérivations. Les experts envisagent qu'à terme, des capteurs simples ou des patchs médicaux peu coûteux pourraient collecter les données nécessaires au cours d'une seule nuit, sans nécessiter de procédures diagnostiques complexes.
Bien que les signaux électriques soient déjà captés lors des examens de troubles du sommeil, ces informations ne sont habituellement pas exploitées pour évaluer les risques cardiovasculaires à long terme. Malgré les résultats encourageants, les auteurs insistent sur la nécessité de mener des études complémentaires pour confirmer l'utilité clinique du modèle et mesurer son impact réel sur l'amélioration des pronostics des patients dans la pratique médicale courante.
