Méthodes d’apprentissage automatique explicables pour la prédiction de la réponse à la thérapie de resynchronisation cardiaque à partir de données échocardiographiques – EXPERT

La thérapie de resynchronisation cardiaque (CRT) est basée sur un dispositif de stimulation pouvant être implanté chez certains patients insuffisants cardiaques (IC). L'identification des candidats à la CRT reste une tâche difficile. En effet, les recommandations actuelles induisent un taux de non-répondeurs d'environ 30% et la mortalité reste élevée même après l’implantation d'une CRT. La sélection des patients avant l’implantation est essentielle pour améliorer la qualité des soins de façon personnalisée et prévenir le risque de complications. L’analyse des déformations du myocarde par échocardiographie (speckle-tracking) permet de fournir des informations précieuses pour la sélection et le suivi des patients CRT. Dans ce contexte, des méthodes d'intelligence artificielle (IA) explicables, intégrant apprentissage automatique et modèles in silico physiologiques (jumeau numérique du patient), sont des outils prometteurs qui permettent de combiner des connaissances et les données cliniques afin d'améliorer l'interprétabilité et minimiser le sur-apprentissage.

Les développements méthodologiques concerneront la proposition de nouveaux modèles in silico spécifiques-patient du système cardiovasculaire et la définition de caractéristiques explicables, basées sur les modèles, qui auront une signification physiologique directe. L'extraction de caractéristiques basée sur les données sera également effectuée à partir de données cliniques, électrocardiographiques et échocardiographiques. Une approche de modélisation hybride, qui combine des modèles in-silico et apprentissage automatique, sera proposée pour la prédiction de la réponse de chaque patient à la CRT. Ces nouveaux modèles doivent être évalués cliniquement pour la prédiction de la réponse de chaque patient à la CRT et pour faciliter le processus de décision médicale pour implanter ou non un patient. Le modèle hybride proposé sera intégré dans un nouveau système d'aide à la décision (DSS) et sera utilisé en mode inférence pour proposer un nouveau score multivarié, associé à une estimation de la probabilité de réponse. Cette approche nécessitera le développement d'une architecture technique intégrant toutes les données patients disponibles et le calcul d'une probabilité de réponse spécifique au patient dans temps limité, compatible avec la pratique clinique.

Un autre objectif du projet EXPERT sera de gérer une plateforme pilote originale et unique, permettant de partager une base de données commune sécurisée et labellisée de données échocardiographiques. Cette ambition scientifique contourne les enjeux liés aux industriels et fédère des partenaires publics, dont trois CHU avec des serveurs localisés à Rennes, dans une initiative ouverte mais souveraine. Ce projet pourrait potentiellement servir l'initiative Health Data Hub (HDH) (spécifiquement pour l'échocardiographie). La gouvernance sera partagée par les membres du consortium. Toutes les parties de l'infrastructure et l'ensemble du projet sont purement académiques.

Une première partie du projet sera dédiée à l'évaluation clinique, des méthodes proposées ,sur une base de données rétrospective de 250 patients. Dans une deuxième partie du projet, la méthodologie EXPERT sera évaluée sur une cohorte prospective afin d’assister le clinicien dans le processus de prise de décision pour une implantation de CRT. Dans cette analyse observationnelle, la décision d'implanter ou non un patient ne sera basée que sur des recommandations cliniques et sur la décision du clinicien. Le score multivarié sera évalué, à travers le DSS, après l'examen pré-implantatoire et la pertinence du score sera évaluée 6 mois après l'implantation du dispositif.

Le projet EXPERT associe trois CHU et deux universités. Cinq partenaires expérimentés aux compétences scientifiques, médicales, réglementaires et pédagogiques, sont réunis pour développer un outil d'exploitation de données massives en échocardiographie avec une application médicale à fort impact.