Une revue récemment publiée discute de manière approfondie de l’impact de l’intelligence artificielle (IA) sur la pratique clinique en cardiologie interventionnelle (CI), en mettant l’accent sur les progrès les plus récents.
Bien que le développement de l’IA en soit encore à ses débuts, les nouvelles technologies promettent des améliorations considérables en termes de sécurité des patients, de stratification des risques et de résultats thérapeutiques. Les principaux objectifs comprennent l’intégration de plusieurs modalités d’imagerie cardiaque, l’établissement de systèmes d’aide à la décision en ligne et la création de systèmes médicaux automatisés pour fournir des données de santé électroniques. L’utilisation de l’IA dans l’IC peut être divisée en deux domaines principaux : virtuel (imagerie médicale, prise de décision) et physique (procédures interventionnelles robotisées). De nombreuses études ont démontré le potentiel de l’IA dans l’interprétation et l’analyse automatiques de différentes modalités cardiaques, ce qui améliore considérablement le processus thérapeutique.
L’intelligence artificielle (IA), en particulier l’apprentissage automatique (ML), permet le traitement et l’analyse en temps réel de grandes quantités de données médicales et va révolutionner le système de santé. L’IA se développe rapidement, notamment dans le domaine de la cardiologie, depuis l’interprétation de l’électrocardiogramme (ECG) jusqu’aux systèmes d’aide à la décision clinique pour les interventions cardiologiques. La majorité des dispositifs basés sur l’IA/ML approuvés par la Food and Drug Administration (FDA) des États-Unis traitent de la radiologie et de la cardiologie. Ces dispositifs permettent aux cardiologues de mettre en œuvre une approche complexe des maladies cardiaques en favorisant le diagnostic précoce, la stratification des risques des patients avant des interventions ciblées et l’amélioration globale de la qualité des soins. L’utilisation de l’IA dans l’IK couvre chaque étape du processus thérapeutique, y compris l’évaluation initiale de la douleur thoracique et/ou du choc cardiogénique à l’hôpital, la planification de la stratégie d’intervention pour une meilleure navigation et un meilleur guidage, ainsi que la prédiction des risques et des résultats potentiels des patients. La nature spécifique de l’IC offre aux cliniciens de nombreuses modalités d’imagerie, y compris des évaluations anatomiques et fonctionnelles des maladies cardiaques structurelles. Par conséquent, l’IA est considérée comme un outil technologique prometteur qui aura un impact significatif sur la reconstruction, l’analyse et l’interprétation des images, ce qui permettra d’améliorer la disponibilité et la qualité des données de santé et de réaliser de nouveaux progrès dans les techniques analytiques.
Méthodologie de la vérification
La méthodologie de cette revue systématique est basée sur la déclaration PRISMA. Des publications récentes, des rapports, des protocoles et des synthèses issus des bases de données Scopus et Web of Science ont été pris en compte. Les mots-clés “intelligence artificielle, apprentissage automatique, réalité augmentée, réalité mixte, réalité virtuelle, métaverse, cardiologie, cardiologie interventionnelle, segmentation, algorithmes de segmentation, algorithmes de classification, éthique, éthique de l’IA” et leurs variations ont été identifiés. La première étape a consisté à évaluer les caractéristiques du matériel, telles que le titre et le résumé, en tenant compte de critères d’exclusion (par exemple, les thèses et le matériel non pertinent en cardiologie ont été éliminés, tandis que les articles en texte intégral en anglais ont été retenus). Ensuite, les articles et les rapports techniques qui répondaient aux critères ont été récupérés et analysés. Au total, 100 documents ont été pris en compte.
Application de l’intelligence artificielle
Réseaux de neurones artificiels (ANN) : Les ANN sont des nœuds interconnectés qui modélisent les neurones biologiques comme des poids entre les nœuds. Ils améliorent le diagnostic et le traitement des maladies cardiovasculaires en automatisant l’analyse des images d’échocardiographie et de tomodensitométrie cardiaque, ce qui augmente la précision et réduit le temps de détection. Les ANN apprennent à partir de grandes quantités de données et prédisent les résultats en se basant sur des modèles, ce qui aide considérablement à la détection précoce des maladies. Malgré leurs avantages, les ANN sont confrontés à des défis tels que la nécessité de disposer de grandes données d’apprentissage et le risque de sur-appariement. Ils ont été utilisés avec succès pour mesurer automatiquement la fraction d’éjection et le strain longitudinal du ventricule gauche avec une grande précision et pour différencier la cardiomyopathie hypertrophique de l’hypertrophie physiologique.
Réseaux neuronaux récurrents (RNN) : Les RNN gèrent et interprètent les données séquentielles telles que les enregistrements ECG et la surveillance continue de l’état de santé des patients, prédisent les issues des interventions et aident à planifier des traitements efficaces. Les solutions basées sur les RNN, comme DeepHeart, prédisent les risques cardiovasculaires à partir des données des appareils portables. Les RNN automatisent également la sélection du temps d’inversion myocardique, ce qui rend le processus de diagnostic plus efficace.
Réseaux de neurones convolutionnels (CNN) : Les CNN traitent des images cardiovasculaires complexes et améliorent la précision du diagnostic et l’efficacité du traitement. Ils sont essentiels pour l’analyse des angiogrammes et des échocardiogrammes et identifient les modèles de maladies cardiaques. Les CNN ont démontré leur succès dans l’implantation transcathéter de valves aortiques, la classification d’échocardiogrammes et la segmentation de cavités cardiaques, et ont un impact considérable sur la formation médicale et la détection d’activité des opérateurs.
Réseaux neuronaux à pointes (SNN) : Les SNN, réseaux inspirés du cerveau pour l’analyse de données dynamiques et d’informations dépendantes du temps, sont particulièrement efficaces pour l’analyse des signaux ECG. Ils identifient des anomalies subtiles pour une détection précoce des arythmies et favorisent des interventions rapides. La précision des SNN dans la classification des battements cardiaques et la détection des extrasystoles ventriculaires souligne leur adaptabilité dans différents contextes cliniques.
Réseaux de neurones profonds (DNN) : Les DNN, avec plusieurs couches entre l’entrée et la sortie, décodent des modèles complexes dans de vastes ensembles de données et sont des outils indispensables dans l’analyse médicale moderne. Ils détectent des motifs subtils dans les images diagnostiques et les dossiers des patients et améliorent l’évaluation des interventions cardiologiques. Les méthodes basées sur le DNN prédisent avec précision plusieurs événements médicaux, évaluent la gravité des sténoses des artères coronaires et améliorent la qualité du diagnostic en générant de nouvelles données et en réduisant le bruit dans les images de tomodensitométrie.
Implications éthiques de l’IA en cardiologie interventionnelle
L’application de l’IA aux interventions cardiaques nécessite un examen éthique rigoureux, tenant compte des normes institutionnelles et des pratiques éthiques détaillées. Les interventions cardiaques, souvent dans des situations où la vie est en danger, posent des dilemmes éthiques en termes de réanimation et d’implications juridiques. Les recommandations de l’IA augmentent la complexité de la responsabilité et de la prise de décision. La technologie émergente des jumeaux numériques, qui représente les systèmes physiques en temps réel, promet d’analyser des ensembles de données complexes et de suggérer des voies de traitement. Les questions de propriété, de contrôle et de prise de décision concernant les jumeaux numériques doivent être résolues, ce qui nécessite des protocoles éthiques accessibles.
La réglementation de l’IA dans le secteur de la santé évolue, mais vise l’IA explicable (XAI) et l’IA de confiance (TAI). Les réglementations nationales et internationales, telles que la liste d’évaluation européenne pour l’intelligence artificielle digne de confiance (ALTAI), tentent de suivre le rythme rapide des évolutions technologiques. Les considérations éthiques et techniques sont essentielles pour l’intégration de l’IA dans l’IC.
Approche future : réalité augmentée et visualisation 3D soutenues par l’IA
L’intégration de l’IA dans les technologies immersives est essentielle pour la manipulation de données médicales complexes et de représentations 3D. Les développements actuels permettent la reconstruction d’organes en 3D, ce qui est d’une grande importance pour la pratique clinique et la formation. Les simulations guidées par l’IA permettront aux cardiologues interventionnels de s’entraîner dans un environnement sûr et d’améliorer leurs compétences. Les technologies immersives, combinées à l’IA, faciliteront les réunions d’équipes cardiaques multidisciplinaires à distance, surmonteront les barrières géographiques et amélioreront les soins de santé.
Discussion et conclusions
Le rôle transformateur de l’IA dans la CI améliore la précision des diagnostics, les résultats des traitements, la surveillance à distance et la formation. Les systèmes robotiques contrôlés par l’IA favorisent des mouvements précis pendant les interventions, améliorent les résultats et réduisent la fatigue des médecins. Cependant, des contraintes telles que la dépendance aux données et le manque de transparence doivent être prises en compte. Les considérations éthiques et la compréhension des mécanismes de l’IA sont essentielles pour une intégration efficace dans le secteur de la santé. La combinaison de l’IA et de l’IC promet d’améliorer l’efficacité et la précision de l’imagerie cardiovasculaire tout en réduisant les coûts. Malgré les défis liés à l’intégration complète et à l’application clinique, l’IA offre un énorme potentiel d’amélioration des soins de santé. Les développements futurs dans les simulations guidées par l’IA et les technologies immersives révolutionneront l’IK, fourniront des solutions personnalisées, interactives et efficaces et, en fin de compte, transformeront la cardiologie et amélioreront les soins de santé.
Source: Rudnicka Z, Pręgowska A, Glądys K, et al.: Advancements in artificial intelligence-driven techniques for interventional cardiology. Cardiol J 2024; 31(2): 321–341. doi: 10.5603/cj.98650. Epub 2024 Jan 22. PMID: 38247435; PMCID: PMC11076027.
CARDIOVASC 2024; 23(2): 29–30