Introduction :

L’identification des patients présentant un risque élevé de mort cardiaque subite à moyen et long terme reste particulièrement difficile. Une prédiction des arythmies ventriculaires potentiellement létales à court terme permettrait de prendre des mesures préventives pour éviter la mort cardiaque subite. L’hypothèse de travail était que l’intelligence artificielle pourrait être utilisée pour identifier un profil électrique dynamique, sur les données Holter-ECG ambulatoire, associé à la survenue d’une tachycardie ventriculaire soutenue (TV).

Méthodologie :

Modèles de machine learning développé en utilisant les premières 24 heures d’enregistrements Holter prolongés (14 jours), sans TV, pour prédire le risque de TV soutenue (≥30 sec) au cours des 13 jours suivants (adjudication centralisée). Le modèle a été évalué sur un échantillon interne et de manière externe sur une population indépendante. Une régression logistique multivariée a été réalisée en référence, incluant la charge en ESV, la variabilité de la fréquence cardiaque (SDNN), l’âge et le sexe du patient.

Résultats :

Parmi les 78 294 enregistrements Holter (6 pays participants), 59 302 enregistrements ont été utilisés pour la validation (âge moyen des patients 61,3 ± 17,3 ans, 40 % d’hommes), incluant 222 avec TV soutenue (157 ± 38 bpm, durée médiane de 62 secondes [IQR 42, 173]), la grande majorité (98 %) étant monomorphes. Sur l’ensemble de validation interne, le modèle a atteint une AUC de 0,939 avec une sensibilité de 83,3 % et une spécificité de 88,7 %. Sur l’ensemble de validation externe, l’AUC était de 0,911 avec une sensibilité de 78,9 % et une spécificité de 81,4 %. Le modèle a correctement prédit l’apparition de la TV rapide (≥188bpm) dans 88 % des Holters. Le modèle de référence a révélé une AUC de 0,833 lors de la validation interne.

Application :

Ces résultats suggèrent qu’une approche basée sur l’analyse par intelligence artificielle de l’électrocardiogramme ambulatoire (une seule dérivation) pourrait identifier de manière appropriée les patients présentant un risque significatif à court terme d’arythmies ventriculaires et qui pourraient bénéficier éventuellement d’interventions préventives pour prévenir la mort subite. Le modèle sera validé dans le cadre d’études cliniques prospectives futures. La prévention à court terme par le biais de la surveillance de l’électrocardiogramme pourrait également être étendue aux système de monitoring hospitaliers ainsi qu’aux différents objets portables connectés.