Apprentissage automatique pour le développement de modèles de diagnostic de l'insuffisance cardiaque décompensée ou de l'exacerbation d'une maladie pulmonaire obstructive chronique

Rapports scientifiques volume 13, Numéro d'article : 12709 (2023) Citer cet article

48 accès

1 Altmétrique

Détails des métriques

L'insuffisance cardiaque (IC) et la maladie pulmonaire obstructive chronique (MPOC) sont deux maladies chroniques ayant le plus grand impact négatif sur la population générale, et la détection précoce de leur décompensation est un objectif important. Cependant, très peu de modèles de diagnostic ont atteint des performances diagnostiques adéquates. Le but de cet essai était de développer des modèles diagnostiques d’insuffisance cardiaque décompensée ou d’exacerbation de BPCO avec des techniques d’apprentissage automatique basées sur des paramètres physiologiques. Au total, 135 patients hospitalisés pour insuffisance cardiaque décompensée et/ou exacerbation de BPCO ont été recrutés. Chaque patient a subi trois évaluations : une en phase décompensée (lors de l'admission à l'hôpital) et deux autres consécutivement en phase compensée (à domicile, 30 jours après la sortie). Dans chaque évaluation, la fréquence cardiaque (FC) et la saturation en oxygène (Ox) ont été enregistrées en continu (avec un oxymètre de pouls) pendant une période de marche de 6 minutes, suivie d'une période de récupération de 4 minutes. Pour développer les modèles de diagnostic, les caractéristiques prédictives liées à HR et Ox ont été initialement sélectionnées via des algorithmes de classification. Les prédicteurs potentiels comprenaient l’âge, le sexe et la maladie initiale (insuffisance cardiaque ou BPCO). Ensuite, des modèles de classification diagnostique (phase compensée ou décompensée) ont été développés grâce à différentes techniques d’apprentissage automatique. Les performances diagnostiques des modèles développés ont été évaluées en fonction de la sensibilité (S), de la spécificité (E) et de la précision (A). Les données de 22 patients présentant une insuffisance cardiaque décompensée, 25 présentant une exacerbation de BPCO et 13 présentant les deux pathologies décompensées ont été incluses dans les analyses. Sur les 96 caractéristiques de HR et Ox initialement évaluées, 19 ont été sélectionnées. L’âge, le sexe et la maladie initiale n’ont pas conféré un plus grand pouvoir discriminant aux modèles. Les techniques avec des valeurs S et E supérieures à 80 % étaient la régression logistique (S : 80,83 % ; E : 86,25 % ; A : 83,61 %) et la machine à vecteurs de support (S : 81,67 % ; E : 85 % ; A : 82,78 %). techniques. Les modèles de diagnostic développés ont obtenu de bonnes performances diagnostiques pour les exacerbations décompensées d’IC ou de BPCO. À notre connaissance, cette étude est la première à rapporter des modèles diagnostiques de décompensation potentiellement applicables aux patients BPCO et IC. Cependant, ces résultats sont préliminaires et méritent des investigations plus approfondies pour être confirmés.

L'insuffisance cardiaque (IC) et la maladie pulmonaire obstructive chronique (MPOC) sont deux maladies chroniques ayant le plus grand impact négatif sur la population générale1,2,3. La décompensation (en cas d'IC) ou l'exacerbation (en cas de BPCO) sont particulièrement importantes car elles affectent l'autonomie et la qualité de vie et augmentent la mortalité et la nécessité d'une hospitalisation ou de visites aux services d'urgence4,5,6,7. Par conséquent, il est important de développer des méthodes permettant une détection précoce de la décompensation de ces maladies, car une telle détection permet une guérison plus rapide et évite la nécessité d'une intervention majeure telle qu'une hospitalisation8,9.

L'approche habituelle des méthodes développées à ce jour pour détecter une décompensation précoce des deux maladies repose sur la surveillance ambulatoire des paramètres cliniques à l'aide de modèles prédictifs ou d'algorithmes de diagnostic appliqués de manière continue ou intermittente10,11. Concernant l’IC, une revue systématique des algorithmes basés sur des paramètres physiologiques non invasifs11 a identifié les paramètres physiologiques les plus fréquemment pris en compte pour ce type d’algorithme : le poids comme marqueur de surcharge hydrique (96 %), la pression artérielle (85 %), la fréquence cardiaque (FC). (61 %), la saturation en oxygène (Ox) (23 %) et le rythme cardiaque (17 %). Cependant, la combinaison optimale de paramètres pour détecter une décompensation n’a pas encore été établie et le poids corporel, bien que largement utilisé, génère souvent de nombreuses fausses alertes et présente une faible sensibilité pour détecter une décompensation cardiaque. Dans la BPCO, contrairement à l'IC, les paramètres physiologiques les plus couramment pris en compte sont Ox et HR10, ainsi que les tests de la fonction pulmonaire (spirométrie). Plusieurs études12,13,14 ont calculé les différences de ces paramètres dans les jours précédant une exacerbation de BPCO. Ainsi, pour Ox, une diminution de 1 à 2 points ou 1 à 1,24 écarts types (ET) par rapport à la ligne de base a été rapportée, et pour la FC, des élévations de 5 à 7 battements par minute ou 3 ET par rapport à la ligne de base ont été signalées. Parmi les paramètres susmentionnés pour les deux affections, nous avons souligné Ox et HR, car ce sont des paramètres physiologiques qui peuvent actuellement être surveillés à distance et de manière fiable grâce à des dispositifs technologiques non perturbateurs au cours des routines quotidiennes des patients.