Un nouveau modèle d’intelligence artificielle (IA), mis au point par une équipe de cardiologues et de pharmacologues de la Mount Sinai School of Medicine (New York) identifie avec précision les patients atteints de fibrillation auriculaire (FA) nécessitant un traitement anticoagulant pour prévenir les accidents vasculaires cérébraux (AVC). Ce modèle, présenté lors du dernier Congrès de l’European Society of Cardiology, va donc permettre des recommandations thérapeutiques individualisées pour la fibrillation auriculaire (FA).
Cette recherche est importante car la fibrillation auriculaire (FA) est le trouble du rythme cardiaque le plus fréquent, touchant près de 60 millions de personnes dans le monde. Pendant la FA, les cavités supérieures du cœur vibrent irrégulièrement, le sang peut stagner et former des caillots. Ces caillots peuvent ensuite se déplacer et atteindre le cerveau, provoquant un AVC. Les anticoagulants constituent le traitement standard pour ce groupe de patients cependant, dans certains cas, ce médicament peut entraîner des saignements majeurs.
Ce nouvel outil va aider les cliniciens à décider avec précision s’il convient ou non de traiter leur patient par anticoagulants –un traitement standard pour ce groupe de patients- pour prévenir, chez ces patients, le risque d’AVC. Le modèle pourrait représenter un véritable changement de paradigme dans la prise en charge de cette situation clinique.
L’étude qui a testé ce modèle d’IA auprès d’un très large échantillon de patients, a en fait recommandé de ne pas prescrire d’anticoagulants à près de la moitié des patients atteints de FA qui, autrement, en auraient reçus selon les normes actuelles de soins.
Cela pourrait avoir de profondes répercussions en santé publique mondiale.
Le modèle d’IA exploite l’intégralité du dossier médical électronique du patient pour formuler une recommandation thérapeutique individualisée. Il évalue le risque d’AVC par rapport au risque d’hémorragie majeure. Ici, les chercheurs ont entraîné le modèle d’IA sur les dossiers médicaux électroniques de 1,8 million de patients, soit plus de 21 millions de consultations médicales, 82 millions de notes et 1,2 milliard de données. Ils ont généré une recommandation basée sur le bénéfice à traiter ou non le patient par anticoagulants. Le modèle a ensuite été validé auprès de 38.642 patients atteints de fibrillation auriculaire (FA) puis auprès d’un nouvel échantillon de 12.817 patients.
Il s’agit donc d’une nouvelle approche de la prise de décision clinique, véritablement individualisée par rapport à la pratique actuelle, où les cliniciens utilisent des scores/outils de risque qui fournissent des estimations du risque moyen sur l’ensemble de la population de patients étudiée, et non pour chaque patient.
Le modèle fournit une estimation du risque d’AVC au niveau du patient,
qu’il utilise ensuite pour formuler une recommandation individualisée prenant en compte les bénéfices et les risques du traitement pour ce patient en particulier.
L’outil pourrait révolutionner l’approche de la FA à grande échelle et minimiser les AVC et les saignements.
Il s’agit enfin du premier modèle d’IA individualisé connu conçu pour prendre des décisions cliniques pour les patients atteints de FA en utilisant des estimations de risque sous-jacentes pour chaque patient, basées sur l’ensemble de ses caractéristiques cliniques réelles.
C’est le début d’une nouvelle ère dans la prise en charge des patients. Elle permettra d’élaborer des plans de traitement plus personnalisés et adaptés.
Source: European Society of Cardiology (ESC) Congress 2025 1 Sept, 2025 New artificial intelligence model accurately identifies which atrial fibrillation patients need blood thinners to prevent stroke
Plus sur la FA
Équipe de rédaction Santélog Oct 22, 2025Admin
Jeu de briques
Snake
Pacman
Bubble