LIGNE SUPÉRIEURE :
Un algorithme d’apprentissage profond d’intelligence artificielle (IA) interprétant les ECG préopératoires peut identifier le risque de décès postopératoire chez les personnes subissant une chirurgie cardiaque, une chirurgie non cardiaque et des procédures interventionnelles, a montré une nouvelle étude de grande envergure. L’algorithme s’est avéré plus efficace pour identifier les patients à haut risque qui ont ensuite connu une mortalité postopératoire qu’un outil de gestion des risques largement utilisé.
MÉTHODOLOGIE:
- Les chercheurs ont évalué les performances d’un algorithme d’IA (PreOpNet) formé sur les ECG préopératoires chez 36 839 patients, âgés en moyenne de 65 ans, subissant des interventions au centre médical Cedars-Sinai (CSMC) de 2015 à 2019 et qui présentaient au moins un algorithme à 12 dérivations. ECG effectué dans les 30 jours précédant l’intervention.
- Le principal critère de jugement était la mortalité après une chirurgie cardiaque, une chirurgie non cardiaque et des interventions réalisées en laboratoire de cathétérisme ou en salle d’endoscopie, jusqu’à 30 jours après l’intervention.
- Les chercheurs ont comparé les performances de PreOpNet avec l’indice de risque cardiaque révisé (RCRI), un calculateur de risque établi qui utilise les caractéristiques cliniques préopératoires des dossiers médicaux électroniques.
- Pour évaluer l’exactitude de PreOpNet en milieu hospitalier avec diverses populations de patients, les chercheurs ont appliqué l’algorithme à des cohortes de deux systèmes de santé externes distincts : Stanford Healthcare (SHC) et Columbia University Medical Center (CUMC).
EMPORTER:
- L’algorithme a discriminé la mortalité avec une aire sous la courbe (AUC) de 0,83 (IC à 95 %, 0,79-0,87) par rapport au RCRI conventionnel (AUC, 0,67 ; IC à 95 %, 0,61-0,72).
- Les patients déterminés à haut risque par le modèle d’apprentissage profond présentaient un rapport de cotes (OR) non ajusté pour la mortalité postopératoire de 9,17 (IC à 95 %, 5,85-13,82) par rapport à un OR non ajusté de 2,08 (0,77-3,50) pour les scores RCRI de plus de 2, un indicateur de risque élevé.
- PreOpNet a réalisé des résultats similaires en discriminant la mortalité chez les patients subissant une chirurgie cardiovasculaire (ASC, 0,85 ; IC à 95 %, 0,77-0,92) et chez ceux subissant une chirurgie non cardiaque (AUC, 0,83 ; IC à 95 %, 0,79-0,88) ; cependant, pour le score RCRI, l’ASC était de 0,62 (IC à 95 %, 0,52-0,72) chez les patients subissant une chirurgie cardiaque et de 0,70 (IC à 95 %, 0,63-0,77) chez ceux subissant une chirurgie non cardiaque.
- L’analyse de validation externe a montré que l’algorithme discriminait la mortalité postopératoire avec des ASC de 0,75 (IC à 95 %, 0,74-0,76) dans le SHC et de 0,79 (IC à 95 %, 0,75-0,83) dans la cohorte CUMC, avec une spécificité, une sensibilité et un résultat positif similaires. et valeur prédictive négative comme avec la cohorte CSMC.
EN PRATIQUE:
“Les outils actuels de prévision des risques cliniques sont insuffisants”, a déclaré l’auteur principal de l’étude, David Ouyang, MD, département de cardiologie, Smidt Heart Institute et division de l’intelligence artificielle en médecine, département de médecine, CSMC, Los Angeles. communiqué de presseajoutant que ce modèle d’IA “pourrait potentiellement être utilisé pour déterminer exactement quels patients devraient subir une intervention et quels patients pourraient être trop malades”.
SOURCE:
L’étude a été réalisée par Ouyang et ses collègues. Il a été publié en ligne le 7 décembre 2023 dans La santé numérique du Lancet.
LIMITES:
L’algorithme pourrait ne pas être applicable aux patients à faible risque qui ne nécessitent pas d’ECG préopératoire. Comme le RCRI est conçu pour être évalué chez des patients subissant une chirurgie non cardiaque, la comparaison la plus directe se situe dans ce contexte (ASC, 0,83 contre 0,70 pour PreOpNet et RCRI, respectivement). Toutes les analyses ont été effectuées sur des cohortes rétrospectives.
DIVULGATIONS :
L’étude a reçu un financement du National Heart, Lung, and Blood Institute. Ouyang rapporte le soutien des National Institutes of Health et d’Alexion et des conseils ou honoraires pour les conférences d’EchoIQ, Ultromics, Pfizer, InVision, de la Société coréenne d’Echo et de la Société japonaise d’Echo ; voir l’article pour les divulgations d’autres auteurs.
