Détection de l'anévrisme du septum auriculaire sur ECG basée sur un algorithme d'apprentissage automatique (ANN)

Résumé

L'anévrisme du septum auriculaire (ASA) représente un véritable défi clinique en raison de son association possible avec d'autres pathologies. L'absence de symptômes spécifiques ou de critères d'électrocardiogramme (ECG) explique que son diagnostic soit très souvent qualifié de fortuit. L'objectif de cette étude est d'évaluer la détection de l'ASA par apprentissage automatique (AA) sur des données d'électrocardiogramme (ECG). Il s'agit d'une analyse rétrospective portant sur 233 personnes, dont 123 présentant un ASA confirmé par échocardiographie transthoracique (ETT) et 110 sans ASA. Les principaux paramètres ECG ont été examinés. Un algorithme de réseau de neurones artificiels (RNA) a été entraîné sur 80 % des données, les 20 % restants étant destinés aux tests. Les résultats ont démontré une sensibilité du modèle de 73 %, une spécificité de 84 %, une valeur prédictive positive (VPP) de 80 %, une valeur prédictive négative (VPN) de 73 % et un score F-1 de 0,79. La courbe ROC (Receiver Operating Characteristic) a montré une aire sous la courbe (ASC) de 0,8, signe d'excellentes performances diagnostiques. Cette étude démontre la possibilité de détecter l'AAS par ECG par ML, ouvrant ainsi la voie à une meilleure compréhension clinique et aux implications de cette anomalie cardiaque.