Ainsi, l’intelligence artificielle dira qui est le plus à risque de crise cardiaque et plus encore.
L’IA permettra de reconnaître les pathologies et d’analyser les tests. Même à distance. Gain de temps. Un document de consensus d’experts signale les opportunités et les problèmes
En 1950, le test de Turing devient un patrimoine partagé avec l’article scientifique intitulé «Machines informatiques et intelligence». Le travail scientifique représente un premier indice, une sorte d’aperçu d’un avenir présent, grâce au développement de l’Intelligence Artificielle (IA). Dans le défi des maladies cardiovasculaires, principale cause de décès en Italie compte tenu des crises cardiaques, des accidents vasculaires cérébraux, de l’insuffisance cardiaque et d’autres pathologies, l’Intelligence Artificielle joue et jouera un rôle de plus en plus important.
Un exemple ? Cela peut aider à comprendre, grâce à l’évaluation des ondes électrocardiographiques, qui est le plus à risque de subir une crise cardiaque mortelle. Et d’agir en conséquence.
C’est ce que révèle une étude récemment publiée sur Médecine naturelle sur près de 16 000 personnes, qui a révélé comment la mortalité à trois mois peut être réduite de 31 % en combinant l’IA avec l’électrocardiogramme pour identifier les cas présentant une plus grande probabilité de subir un événement mortel.
Mais ce n’est qu’une simple observation, dans le « magnum marin » des preuves, qui explique comment la technologie peut devenir un support pour les médecins et les patients. Dans le futur, l’IA, grâce à sa capacité à traiter une énorme quantité de données grâce à des algorithmes sur mesure, pourrait devenir très rapidement une sorte de « gardienne » invisible du cœur. Permettant d’anticiper le diagnostic des pathologies, d’identifier des traitements adaptés à chaque personne, de suivre les patients les plus à risque. Même à distance.
C’est ce qu’ont rappelé les experts présents à Rome à l’occasion du Congrès national de la Société italienne de cardiologie (SIC), qui a vu la présentation du premier document de consensus italien sur l’utilisation de l’IA dans cette discipline.
Diagnostic très précoce de crise cardiaque
Le texte, signé par les meilleurs experts nationaux, analyse les utilisations actuelles (et futures) de l’IA en cardiologie. Et cela commence précisément par la reconnaissance précoce decrise cardiaquecomme une étude de « cas » qui pourrait réellement changer les perspectives des personnes confrontées à une ischémie cardiaque, en anticipant la reconnaissance de la situation et en encourageant donc un traitement de plus en plus rapide.
Tout cela, grâce à l’analyse de l’électrocardiogramme (ECG). « L’utilisation de l’IA dans l’évaluation des ECG est également très prometteuse pour améliorer le diagnostic précoce des crises cardiaques : une étude portant sur 362 patients ayant subi un ECG avant d’arriver à l’hôpital a démontré une précision de 99 % dans l’identification des cas les plus graves, avec une moyenne des temps d’évaluation de seulement 37 secondes, environ 4 fois plus courts que ceux d’un vrai médecin, ce qui a réduit l’intervalle entre l’arrivée à la clinique et l’intervention à seulement 18 minutes. revascularisation – observer Ciro Indolfiancien président de la Société Italienne de Cardiologie et professeur extraordinaire de Cardiologie à l’Université de Cosenza ».
Vérifications à distance et évaluation des problèmes
Même dans le domaine de l’arythmologie et surtout dans le contrôle à distance de ce qui arrive à ceux qui portent un dispositif implantable dans leur corps, l’analyse très rapide de l’Intelligence Artificielle pourrait s’avérer être un formidable soutien pour les médecins et les patients.
« L’IA s’est avérée efficace dans l’évaluation des examens Holter ou pour la télésurveillance des patients équipés de défibrillateurs implantables, et pourrait s’avérer décisive pour augmenter l’utilité des dispositifs portables dans le diagnostic précoce, en améliorant l’analyse des paramètres collectés – poursuit Indolfi. Même l’analyse des échocardiographies, de l’imagerie par résonance magnétique et des tomodensitogrammes peut être rendue plus précise et plus approfondie grâce à l’IA, pour le diagnostic de cardiomyopathies ou de dysfonctionnement valvulaire ou encore pour la quantification de la sténose coronarienne grâce à l’évaluation des angiographies, qui ont démontré une précision supérieure à 98 % dans l’identification des thrombus et des calcifications ».
Enfin, le document de consensus souligne que l’utilisation d’algorithmes d’apprentissage automatique et d’IA pourrait également améliorer le diagnostic de maladies telles quehypertension et ça insuffisance cardiaquequi pourrait également être géré de manière plus adéquate grâce à la précision de l’IA dans la classification du risque des patients et donc dans le choix entre les thérapies possibles.
Soyez prudent avec les algorithmes
Soyons clairs. Nous avons encore beaucoup à apprendre. Et surtout, le cardiologue doit toujours être là pour gérer la situation. « Il existe également des questions cruciales à prendre en compte lors de l’utilisation de l’IA, non seulement parce que d’autres recherches plus larges sont nécessaires pour valider son potentiel et ses utilisations dans la pratique clinique, mais surtout pour les aspects éthiques et réglementaires sur lesquels il est nécessaire de réfléchir – rapporte l’expert. De nombreux algorithmes, notamment ceux basés sur l’apprentissage profond, fonctionnent souvent comme des « boîtes noires » prenant des décisions basées sur des calculs complexes à déchiffrer par un humain, ce qui peut donc rendre difficile la reconnaissance d’éventuelles erreurs ou biais. Il est tout aussi fondamental de s’interroger sur la façon dont l’IA est introduite pour définir clairement qui est responsable des choix dictés par les algorithmes : la FDA classe les produits logiciels d’IA comme dispositifs médicauxle règlement de l’Union européenne « AI Act » 2024/1689 impose des obligations et des caractéristiques spécifiques aux producteurs et développeurs concernant les utilisations de l’IA, par exemple en interdisant les applications d’IA qui pourraient présenter des risques trop élevés, en exigeant des exigences strictes pour les applications à risque et en imposant la conformité. évaluations de tous les produits à introduire sur le marché, réparties en 4 classes de risque croissant ». Bref, le défi est passionnant. Mais la route semble libre.