Un nouvel algorithme d’apprentissage automatique améliore l’interprétation des électrocardiogrammes, surpassant les compétences humaines dans le diagnostic des crises cardiaques. Des chercheurs travaillent sur une plateforme accessible aux professionnels de santé, optimisant la précision et la rapidité des interventions médicales sur le terrain.
Récemment, des chercheurs ont conçu un algorithme de machine learning capable d’interpréter les données des électrocardiogrammes, surpassant les professionnels de santé dans le diagnostic et la classification des crises cardiaques.
Une plateforme accessible pour tous les professionnels d’urgence
Christian Martin-Gill, professeur de médecine d’urgence à l’École de Médecine de l’Université de Pittsburgh, et son équipe collaborent avec des spécialistes de divers domaines pour créer une plateforme intuitive donnant accès aux résultats de l’algorithme, que ce soit sur le terrain, dans le centre de dispatch ou au service de cardiologie d’un hôpital.
Aujourd’hui, un paramédic utilisant un électrocardiogramme (ECG) lors d’une urgence transmet les données à un médecin. Ces données sont interprétées via un algorithme basique qui fournit une lecture limitée, affichant sur l’écran du médecin le tracé bien connu présentant les pics et les vallées correspondant à l’activité électrique du cœur du patient.
Les changements apportés par le nouvel algorithme
D’après Martin-Gill, qui dirige également la Division des Services Médicaux d’Urgence, l’introduction de cet algorithme n’altérera pas beaucoup le travail du paramédic, mais les médecins disposeront d’un tableau de bord en temps réel, au lieu d’une image statique de l’ECG.
Le nouveau système permet de détecter davantage de caractéristiques et d’offrir des informations beaucoup plus complètes sur chaque électrocardiogramme, améliorant ainsi la précision de l’interprétation.
Avec le support d’une bourse du NIH, Martin-Gill et ses collègues continueront à collaborer avec des professionnels sur le terrain durant les quatre prochaines années, développant une interface susceptible de les aider à prendre des décisions plus rapides et précises, surtout quand d’autres indices ne sont pas évidents.
Martin-Gill souligne que tous les professionnels engagés, des paramédics aux cardiologues, ont fourni des retours précieux, contribuant à orienter le projet de manière pratique et adaptée à la réalité hospitalière.
Améliorer le diagnostic et réduire les faux positifs
En plus d’identifier ceux qui ont réellement subi une crise cardiaque, le tableau de bord aidera également à reconnaître ceux qui n’en ont pas eu. Cela est essentiel, car l’incertitude peut entraîner une série de tests inutiles, d’hospitalisations et de jours d’observation.
Avoir accès à des données plus précises peut sauver des vies, mais aussi faire gagner du temps, économiser de l’argent et réduire le stress pour ceux qui n’ont pas eu d’infarctus.
Beaucoup de nouvelles technologies médicales sont publiées dans des revues scientifiques, mais rares sont celles qui atteignent une utilisation pratique.
Il existe d’innombrables publications sur des modèles informatiques capables de prédire ceci ou cela. Mais souvent, cette recherche ne débouche pas sur des applications réelles.
Découvrez les paroles de Martin-Gill.
Pour dépasser cette barrière, l’équipe a élaboré un processus en trois étapes garantissant que l’idée atteigne les hôpitaux et profite à de réels patients.
- Phase initiale : développement de l’algorithme, qui est toujours en cours d’amélioration.
- Deuxième phase : création d’une interface intuitive et utile pour les professionnels de santé.
- Phase finale (bientôt) : essais cliniques de l’algorithme et de l’interface, suivis de la mise en œuvre dans le monde réel.
Rendre le potentiel une réalité
Martin-Gill insiste sur le fait que le grand défi réside dans la traduction pratique de la recherche :
Il faut trouver des moyens de traduire cette connaissance en pratique clinique.
Le chercheur est convaincu que son travail représente un pas significatif dans cette direction :
Ce qui est le plus excitant, c’est que nous créons une interface réelle, qui rend ce type d’algorithmes utilisables par les médecins et qui peut vraiment améliorer le traitement des patients.
La recherche a été publiée dans la revue Nature Medicine.