Publications En Vedette
DeepECG-Tok
Rohan Banerjee, Juliette Beaulieu, Nicolas Dostie, Blandine Mondésert, Ram Ahuja, Alexis Nolin-Lapalme MD-PhD, Gilbert Jabbour, Shreya Shree Srikanth, Guillaume Marquis-Gravel, Olivier Tastet, Achille Sowa, Julia Cadrin-Tourigny MD-PhD, Jacques Delfrate MSc, Robert Avram MD-MSc
La plupart des systèmes d’IA appliqués à l’ECG sont conçus pour une seule tâche fixe et produisent des étiquettes prédéfinies plutôt que les comptes rendus ou les réponses individualisées dont les cliniciens ont besoin. DeepECG-Tok convertit les signaux bruts d’ECG à 12 dérivations en jetons discrets capables de conditionner un modèle de langage médical. Un seul système entraîné par instructions peut ainsi interpréter les ECG, générer des comptes rendus structurés et prédire des critères cliniques, notamment la fonction ventriculaire gauche, les cardiopathies structurelles, la fibrillation auriculaire incidente, l’occlusion coronarienne aiguë et l’artère responsable probable. Entraîné sur plus de 7,27 millions de paires question-réponse et évalué dans quatre cohortes externes, le modèle a conservé de solides performances diagnostiques et produit des comptes rendus en texte libre jugés comparables aux comptes rendus de référence des cardiologues.
July 30, 2026
En savoir plus
CathEF-LVEF
Pascal Thériault-Lauzier, M.D., Ph.D. , Nils Perrin, M.D., M.Sc., Arash Sarshoghi, B.Sc., Stella Ly, Michael Knafo, Aurélie Grandchamp , Yan Xu Rong, Marie-Gabrielle Lessard, R.N., Denis Corbin, B. Eng, M.Sc., Bahareh Taji, B. Eng., Ph.D., Olivier Tastet, M.Sc., Aun Yeong Chong, M.D., Michael Froeschl, M.D., M.S., Alexander Dick, M.D., Marino Labinaz, M.D., Christopher Glover, M.D., Michel Le May, M.D., Zeeshan Ahmed, M.D., Omar Abdel-Razek, M.D., M.S., ...Pietro Di Santo, M.D., Ph.D., David Messika-Zeitoun, M.D., Ph.D., Geoffrey H. Tison, M.D., M.P.H., Juan Russo, M.D., Guillaume Marquis-Gravel, M.D., M.Sc., Jean-François Tanguay, M.D., Richard Gallo, M.D., Quoc Hung Ly, M.D., Anita Asgar, M.D., Serge Doucet, M.D., Gilbert Gosselin, M.D., Jean Grégoire, M.D., Reda Ibrahim, M.D., Philippe L. L’allier, M.D., Mohamed Nosair, M.D., Derek Y.F. So, M.D., M.Sc., and Robert Avram, M.D., M.S.
Accurate left ventricular ejectionfraction (LVEF) assessment is crucial in acute coronary syndrome (ACS)management but traditional methods like echocardiography (TTE) andventriculography have limitations such as risks, contrast exposure, andlogistical delays.The CathEF study introduced adeep-learning algorithm integrated with the PACS-AI (www.pacsai.co) platform,providing real-time LVEF estimates directly from routine coronary angiographyvideos, without extra catheterization or contrast.
April 25, 2025