Maladies cardio-vasculaires : 1er cause de décès dans le monde.
Une arythmie cardiaque est un problème dû à un fonctionnement anormal de l’électricité cardiaque. Le cœur bat normalement, entre 50 et 80 fois à la minute, au repos.
Une arythmie peut ralentir les battements cardiaques (bradycardie, soit moins de 50 battements à la minute), les accélérer (tachycardie, soit plus de 100 battements à la minute) ou provoquer un rythme irrégulier (fibrillation auriculaire, extrasystole).
Les causes les plus courantes d’arythmies cardiaques non congénitales sont les suivantes : crise cardiaque (aiguë ou passée), insuffisance cardiaque, maladie thyroïdienne, myocardite, hypertension artérielle ou cardiomyopathie. Certains types d’arythmie augmentent les risques d’accident vasculaire cérébral (AVC).
Les maladies cardio-vasculaires restent la cause principale de décès dans le monde. Ce sont les maladies coronariennes et les accidents vasculaires cérébraux qui, en 2011, ont le plus tué: 13,2 millions de personnes soit 24 % des 54,6 millions de décès enregistrés dans l’année.
Les réseaux de neurones aussi performants que les cardiologues
Pour détecter des arythmies cardiaques, les scientifiques utilisaient traditionnellement des algorithmes qui permettaient de détecter, les pics et les intervalles entre les pics, à partir de l’enregistrement des ECG (signal processing).
Le Stanford Machine Learning Group and iRhythm Technologies ont développé une nouvelle approche via un Réseau neuronal convolutif (CNN) de 34 layers entrainé sur des données capturées par un boitier Zio Monitor.
Les résultats du modèle développé montre qu’une approche d’apprentissage profond permet de classer un large éventail d’arythmies distinctes à partir d’ECG avec des performances similaires à celles des cardiologues.
1-D Convolutional Networks
Le réseau de neurones construits par les chercheurs de Stanford repose sur une serie de 1-D Convolutional Networks (CNN 1D). Ce modèle est capable d’identifier 12 arythmies cardiaques, sinusoïdes et bruit pour un total de 14 classes de sortie.
Les CNN 1D ont des performances supérieures pour analyser des signaux à fortes variations comme ceux de l’ECG d’un patient. Les CNN 1D ont atteint des niveaux de performance de pointe dans la détection et l’identification des anomalies dans l’électronique de puissance et la détection des pannes de moteur.
Effectuer un ECG avec une Apple Watch
De 2017 à 2019, l’université de Stanford a mené l’étude Apple Heart Study. Plus de 419 000 participants ont volontairement fourni leurs données cardiaques pour aider à étudier l’arythmie. Cette étude est le prolongement des recherches engagées avec le boitier Zio Monitor par les chercheurs de Stanford.
Suite à cette étude, Apple a obtenu l’autorisation de commercialiser une application qui permet d’effectuer un ECG avec l’Apple watch. Cette utilisation est une première application, à destination du grand public, de l’intelligence artificielle pour effectuter des diagnostics médicaux.
La collaboration entre Stanford et Apple ne s’arrête pas là, Stanford a lancé une étude pour déterminer si l’Apple Watch peut être utilisée pour détecter le COVID-19 avant l’apparition des premiers symptômes. Ce projet démontre le potentiel de l’Intelligence Artificielle couplée aux vêtements connectés collecteurs de données, les Wearables.
Cet article a été rédigé à partir de ces ressources…
