Blog

Jun 08, 2023

L'IA identifie 5 types d'insuffisance cardiaque pour guider la prédiction et le traitement des risques

L'insuffisance cardiaque touche plusieurs millions de personnes dans le monde, mais peut être causée par plusieurs

L'insuffisance cardiaque touche plusieurs millions de personnes dans le monde, mais peut être causée par de multiples facteurs, nécessitant différents traitements. Désormais, les chercheurs ont formé plusieurs modèles d'apprentissage automatique à l'aide d'un vaste ensemble de données basées sur la population pour identifier cinq sous-types d'insuffisance cardiaque, ce qui pourrait mieux éclairer le traitement, l'éducation des patients et la prédiction des futurs facteurs de risque.

« L'insuffisance cardiaque » est un terme générique utilisé pour décrire lorsque le cœur ne pompe pas assez efficacement pour répondre aux besoins du corps en sang et en oxygène. Elle peut être causée par plusieurs facteurs sous-jacents affectant le traitement de la maladie. Les facteurs de risque d'insuffisance cardiaque comprennent les maladies coronariennes et les crises cardiaques, le diabète, l'hypertension artérielle, le surpoids et l'obésité et les maladies des valves cardiaques.

Traditionnellement, les différents types d'insuffisance cardiaque sont classés en fonction de la fraction d'éjection ventriculaire gauche (FEVG) d'une personne, la quantité de sang que le ventricule gauche du cœur expulse à chaque contraction. Mais une étude suédoise d'apprentissage automatique de 2018 a révélé que la LVEF ne prédisait pas les taux de survie à l'insuffisance cardiaque.

Maintenant, des chercheurs de l'University College London ont utilisé quatre modèles d'apprentissage automatique pour développer un cadre permettant de déterminer les sous-types d'insuffisance cardiaque qui pourraient mieux éclairer le traitement et déterminer les risques futurs.

Les chercheurs ont examiné les données anonymisées des dossiers de santé électroniques de plus de 300 000 patients britanniques ayant reçu un diagnostic d'insuffisance cardiaque sur une période de 20 ans. Les données ont été extraites de deux grands ensembles de données de soins primaires représentatifs de la population britannique.

"Nous avons cherché à améliorer la façon dont nous classons l'insuffisance cardiaque, dans le but de mieux comprendre l'évolution probable de la maladie et de la communiquer aux patients", a déclaré Amitava Banerjee, l'auteur principal de l'étude. "Actuellement, la progression de la maladie est difficile à prévoir pour les patients individuels. Certaines personnes seront stables pendant de nombreuses années, tandis que d'autres s'aggraveront rapidement."

Pour éviter les biais pouvant résulter de l'utilisation d'un modèle d'apprentissage automatique, les chercheurs ont utilisé quatre modèles pour séparer les cas d'insuffisance cardiaque en groupes. Après avoir été entraînés à l'aide de segments de données, les modèles ont discerné cinq sous-types basés sur 87 facteurs sur 635 possibles, notamment l'âge, les symptômes, la présence d'autres conditions, les médicaments que le patient prenait, des paramètres de santé comme la pression artérielle et les résultats des tests tels que la fonction rénale. Les sous-types ont été validés à l'aide d'un ensemble de données distinct.

Les cinq sous-types ont été regroupés selon des caractéristiques spécifiques. L'« apparition précoce » comprenait les jeunes présentant un faible taux de facteurs de risque. Les personnes à «apparition tardive» étaient plus âgées, de sexe féminin, prescrivaient peu de médicaments et souffraient de maladies cardiovasculaires. « Liées à la fibrillation auriculaire » incluaient les personnes atteintes de fibrillation auriculaire - une condition dans laquelle le cœur bat de manière irrégulière - ou d'une maladie des valves cardiaques. Le sous-type « métabolique » comprenait les personnes en surpoids avec un taux moyen de facteurs de risque mais un faible taux de maladies cardiovasculaires. Et « cardiométabolique » comprenait les personnes en surpoids prenant un grand nombre de médicaments prescrits, avec un taux élevé de facteurs de risque et de maladies cardiovasculaires.

Les chercheurs ont constaté que le risque de mourir dans l'année suivant le diagnostic différait selon les sous-types. À un an, les risques de mortalité toutes causes confondues étaient les plus élevés pour ceux du sous-groupe lié à la fibrillation auriculaire (61 %), suivis des risques d'apparition tardive (46 %), cardiométabolique (37 %), d'apparition précoce (20 %) et métabolique (11 %).

Les chercheurs affirment que les résultats de l'étude peuvent être utilisés pour améliorer le traitement de l'insuffisance cardiaque.

"De meilleures distinctions entre les types d'insuffisance cardiaque peuvent également conduire à des traitements plus ciblés et peuvent nous aider à penser différemment les thérapies potentielles", a déclaré Banerjee.

Les chercheurs ont développé une application basée sur leur approche d'apprentissage automatique que les médecins peuvent utiliser pour déterminer à quel sous-type appartient une personne. Il peut être utilisé pour guider l'éducation des patients et améliorer la prédiction des risques futurs.

"La prochaine étape consiste à voir si cette façon de classer l'insuffisance cardiaque peut faire une différence pratique pour les patients - si elle améliore les prédictions de risque et la qualité des informations fournies par les cliniciens, et si elle modifie le traitement des patients", a déclaré Banerjee. "Nous devons également savoir si cela serait rentable. L'application que nous avons conçue doit être évaluée dans le cadre d'un essai clinique ou d'autres recherches, mais pourrait aider dans les soins de routine."

L'étude a été publiée dans la revue The Lancet Digital Health.

Source : Collège universitaire de Londres