Une évaluation précise de la fractiond'éjection ventriculaire gauche (FEVG) est essentielle dans la prise en chargedu syndrome coronarien aigu (SCA). Toutefois, les méthodes traditionnellescomme l’échocardiographie transthoracique (ETT) et la ventriculographieprésentent des limites telles que risques procéduraux, expositionsupplémentaire au contraste et délais logistiques.
L'étude CathEF introduit un algorithmed'apprentissage profond intégré à la plateforme PACS-AI, permettant d’estimeren temps réel la FEVG directement à partir de vidéos d’angiographiecoronarienne de routine, sans nécessiter de cathétérisme ou d’injection decontraste supplémentaires.
Démonstration du modèle CathEF intégré à la plateforme PACS-AI. Visionnez une démo ici : www.pacsai.co
Aperçu de l'étude :
Menéeprospectivement à l'Institut de Cardiologie de Montréal et à l'Institut deCardiologie de l'Université d'Ottawa.
207 patients atteints de SCA, ayant subi une angiographie coronarienne.
Les estimations CathEF ont été validées par comparaison avec l'ETTréalisée dans les sept jours suivant l'angiographie.
Flux de patients. Ce diagramme illustre le flux de patients, les exclusions et les cohortes d'étude. La FEVG désigne la fraction d'éjection ventriculaire gauche ; et l'ETT, l'échocardiographie transthoracique.
Principaux résultats :
Haute précision de CathE :
AUROC 0,84 pour détecter une FEVG ≤50 %
AUROC 0,90 pour détecter une FEVG ≤40 %
Précision comparable à la ventriculographie (AUROC 0,90).
Performance améliorée en utilisant plusieurs vues angiographiques.
Précision réduite observée :
Patients avec STEMI (AUROC 0,76 pour FEVG ≤50 %)
Lésion coupable de SCA dans la coronaire droite (AUROC 0,73 pour FEVG≤50 %)
ETT retardée >2 jours après l'angiographie (AUROC 0,58 pour FEVG ≤50%, 0,65 pour ≤40 %), possiblement liée à une récupération de la FEVG.
Impact clinique :
L'estimation en temps réel de la FEVG facilite les décisions cliniquesrapides.
Potentiel de réduction des échocardiographies inutiles et des coûts desanté.
Les analyses de courbes de décision démontrent des bénéfices cliniquesimportants, particulièrement en cas d'accès limité à l'échocardiographie.
Analyse des caractéristiques de fonctionnement du récepteur, de l'étalonnage et de la courbe de décision pour la détection de LVEF ≤ 50 % et LVEF ≤ 40 %.
Conclusion :CathEF, intégré à PACS-AI, constitue une avancéemajeure en imagerie cardiovasculaire, optimisant la prise en charge immédiatedes patients dans les contextes aigus.
Publié dans NEJM AI, 2025. Financé par le Canadian Institute forAdvanced Research Solution Network on Integrated AI for Health Imaging,l'Institut de Valorisation des Données (IVADO) et collaborateurs.
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
