Holste G, Oikonomou EK, Tokodi M, Kovács A, Wang Z, Khera R. Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning Interprétation complète de l'échocardiographie par l'IA avec apprentissage profond multitâche
https://jamanetwork.com/journals/jama/article-abstract/2835630
Question
L’intelligence artificielle (IA) peut-elle automatiser entièrement l’interprétation des échocardiogrammes ?
Résultats
Cette étude rapporte le développement et la validation d'un système d'IA automatisé pour l'analyse d'échocardiogrammes, PanEcho, qui a effectué 18 tâches de classification diagnostique avec une aire médiane sous la courbe caractéristique de fonctionnement du récepteur de 0,91 et 21 tâches d'estimation de paramètres échocardiographiques avec une erreur absolue moyenne normalisée médiane de 0,13.
Signification
Un système d’IA peut automatiser l’interprétation complète de l’échocardiogramme avec une précision remarquable, accélérant potentiellement les flux de travail et permettant un dépistage rapide de la santé cardiovasculaire dans les milieux de soins avec un accès limité à des experts qualifiés.
L' échocardiographie est un élément fondamental des soins cardiovasculaires, mais elle repose sur une interprétation experte et un compte rendu manuel à partir d'une série de vidéos. Un système d'intelligence artificielle (IA), PanEcho, a été proposé pour automatiser l'interprétation des échocardiogrammes grâce à un apprentissage profond multitâche.
Objectif Développer et évaluer la précision d'un système d'IA sur un ensemble complet de 39 étiquettes et mesures sur l'échocardiographie transthoracique (ETT).
Conception, cadre et participants Cette étude représente le développement et la validation rétrospective multisite d'un système d'IA. PanEcho a été développé à partir d'études TTE menées dans les hôpitaux et cliniques du Yale New Haven Health System (YNHHS) de janvier 2016 à juin 2022 lors de soins de routine. Le modèle a été validé en interne dans une cohorte YNHHS temporellement distincte de juillet à décembre 2022, validé en externe dans 4 cohortes externes diverses et publié publiquement.
Principaux résultats et mesures Le résultat principal était l’aire sous la courbe caractéristique de fonctionnement du récepteur (ASC) pour les tâches de classification diagnostique. Cet indicateur a été mesuré en comparant les prédictions de l’IA avec l’évaluation du cardiologue interprète. Pour les tâches d’estimation des paramètres, c'est l'erreur absolue moyenne qui a été retenue.
Résultats Cette étude comprenait 1,2 million de vidéos écho cardiographiques provenant de 32 265 études TTE portant sur 24 405 patients répartis dans les hôpitaux et cliniques du YNHHS. Le système d'IA a effectué 18 tâches de classification diagnostique avec une ASC médiane (IQR) de 0,91 (0,88-0,93) et a estimé 21 paramètres écho cardiographiques avec une erreur absolue moyenne normalisée médiane (IQR) de 0,13 (0,10-0,18) en validation interne. Par exemple, le modèle a estimé avec précision la fraction d'éjection ventriculaire gauche (erreur absolue moyenne : 4,2 % interne ; 4,5 % externe) et a détecté un dysfonctionnement systolique ventriculaire gauche modéré ou pire (ASC : 0,98 interne ; 0,99 externe), un dysfonctionnement systolique ventriculaire droit (ASC : 0,93 interne ; 0,94 externe) et une sténose aortique sévère (ASC : 0,98 interne ; 1,00 externe). Le système d'IA a maintenu d'excellentes performances dans des protocoles d'imagerie limités. Il a ainsi effectué 15 tâches de diagnostic avec une AUC médiane (IQR) de 0,91 (0,87-0,94) dans une cohorte TTE abrégée et 14 tâches avec une AUC médiane (IQR) de 0,85 (0,77-0,87) sur des acquisitions d'échographie au point de service réelles provenant des services d'urgence du YNHHS.
Conclusions et pertinence Dans cette étude, un système d'IA qui interprète automatiquement les échocardiogrammes a maintenu une précision significative géographique et temporelle à partir d'études complètes et limitées. Ce système d'IA peut être utilisé comme lecteur complémentaire dans les laboratoires d'échocardiographie ou comme outil de dépistage établi sur l'IA dans les contextes de soins après une évaluation prospective dans les flux de travail cliniques respectifs.
Les résultats de cette étude décrivent le développement et la validation d'un système d'IA qui interprète automatiquement les aspects clés des échocardiogrammes – couvrant la structure et la fonction ventriculaire jusqu'aux valvulopathies et au-delà – maintenant une précision remarquable à travers les différentes zones géographiques et périodes, à partir d'études complètes et techniquement limitées. Ces découvertes soutiennent des recherches supplémentaires, y compris une évaluation prospective dans des flux de travail cliniques réels. Celles-ci sont nécessaires pour évaluer l'efficacité de PanEcho et d'outils similaires en tant qu'assistants à la lecture dans les laboratoires d'échocardiographie ou en tant qu'outils de dépistage assistés par l'IA dans les contextes de soins sur le lieu d'intervention.
SYNTHÈSE
Cet article de JAMA présente PanEcho, un nouveau système d'intelligence artificielle conçu pour automatiser l'interprétation des échocardiogrammes. L'étude détaille le développement et la validation de PanEcho, qui utilise l'apprentissage profond multitâche pour évaluer de manière complète les structures et fonctions cardiaques. Les résultats démontrent la précision aiguë du système sur 39 tâches diagnostiques et de mesure, même avec des études limitées ou des acquisitions au point de service. L'objectif est d'utiliser cet outil open-source comme assistance pour les experts ou comme outil de dépistage rapide, en particulier dans les environnements où l'accès à l'expertise est limité. (NotebooKLM)
Décryptage par PERPLEXITY / IA
L'article "Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning" présente PanEcho, un système d'intelligence artificielle (IA) capable d'automatiser entièrement l'interprétation des échocardiogrammes. Développé par des chercheurs de Yale, ce modèle deep learning multi-tâches traite simultanément 39 paramètres diagnostiques à partir de vidéos échocardiographiques, avec des performances comparables à celles de cardiologues experts
Contexte et objectifs
L'échocardiographie est un examen clé en cardiologie, mais son interprétation manuelle par des experts crée des goulots d'étranglement. PanEcho vise à résoudre ce problème en automatisant l'analyse complète des études transthoraciques (TTE), intégrant :
-
18 tâches de classification (détection d'anomalies)
-
21 tâches d'estimation (mesures quantitatives)
Méthodologie
Le modèle a été entraîné sur 1,23 million de vidéos provenant de 26 067 patients du système Yale-New Haven (2016-2022). Son architecture combine :
-
Un encodeur d'images 2D (réseau convolutif)
-
Un Transformer temporel pour l'analyse vidéo
-
Des têtes de sortie spécialisées par tâche
La validation a inclus :
-
Un test interne temporellement distinct (juillet-décembre 2022)
Performances clés
| Tâche | Métrique | Résultat |
|---|---|---|
| Classification (18 tâches) | AUC médiane | 0.91 |
| Estimation (21 paramètres) | Erreur absolue moyenne (MAE) | 0.13 (normalisée) |
| Fraction d'éjection VG | MAE | 4.4% (interne) / 5.5% (externe) |
| Dysfonction VG modérée + | AUC | 0.98 (interne) / 0.94 (externe) |
| Sténose aortique sévère | AUC | 0.99 |
Avantages et innovations
-
View-diagnostic : Traite toutes les vues échocardiographiques sans prétraitement.
-
Open-source : modèle et code publiés (https://github.com/CarDS-Yale/PanEcho)
-
Robustesse : performances maintenues sur des études incomplètes ou avec qualité d'acquisition variable
-
Efficacité : réduit le temps d'interprétation de plusieurs heures à quelques minutes
Implications cliniques
PanEcho pourrait :
-
Accélérer les workflows en routine clinique
-
Permettre un dépistage cardiovasculaire dans des zones sous-équipées
-
Standardiser les interprétations tout en réduisant la variabilité inter-opérateur
Limitations : L'étude utilise des données rétrospectives et nécessite une validation prospective pour confirmer son impact clinique. Le modèle reste spécialisé en échocardiographie adulte, bien qu'il montre un potentiel de transfert vers des populations pédiatriques.
Cette avancée représente une étape majeure vers l'automatisation complète des diagnostics échocardiographiques, combinant haute précision et polyvalence inédite
Commentaire
L'ECG-IA existe, l'échocardiographie - IA arrive .
L'intérêt principal de ces avancées technologiques est de mettre à la disposition des médecins et surtout des patients des examens rapides, fiables , qui devaient débloquer les listes d'attente en cardiologie.
De plus, notamment pour l'échocardiographie, la réalisation de cet examen par des non médecins.
C'est une révolution, un changement de paradigme incontestable mais nécessaire dans le contexte actuel.
Prochaine étape : l'écho-Doppler vasculaire !
Nous disposerons alors d'un examen ultrasonique parfait, et on pourra se consacrer à l'acte intellectuel clinique , why not !
Il faut anticiper demain dans tous les domaines de la médecine !
A LIRE
Grands principes et rationnel de l’intelligence artificielle appliquée à l’échocardiographie
https://www.cardio-online.fr/ressources-scientifiques/articles-dossiers-speciaux/grands-principes-et-rationnel-intelligence-artificielle-appliquee-echocardiographie
L’intelligence artificielle à l’ACC 2025
https://www.cardio-online.fr/actualites/couvertures-de-congres-en-cardiologie/acc-2025/l-intelligence-artificielle-a-l-acc-2025
Copyright : Dr Jean Pierre Laroche / 2025