AI-Enabled Digital Stethoscope for Early Detection of Congenital Heart Disease: Prospective Study

Chaque année, des milliers d'enfants naissent avec des malformations structurelles du cœur. Dans de nombreuses parties du monde, détecter ces problèmes tôt est une question de vie ou de mort, pourtant l'accès à des médecins spécialisés et à des machines d'imagerie coûteuses est souvent rare. Depuis des générations, la première étape pour repérer ces problèmes a été le simple acte d'écouter. Un médecin place un stéthoscope contre la poitrine d'un enfant, écoutant le rythme des battements cardiaques et la présence de tout son supplémentaire, appelé souffle, qui pourrait signaler un problème. Cette méthode est gratuite, non invasive et disponible presque partout, mais elle repose entièrement sur la compétence et l'expérience de la personne qui tient l'appareil. Un souffle évident pour un spécialiste peut être manqué par un omnipraticien, et la précision du diagnostic peut varier considérablement selon la personne qui écoute.

Pour combler ce fossé, les chercheurs ont commencé à explorer comment les ordinateurs peuvent apprendre à mieux écouter que les humains. En combinant un stéthoscope numérique avec l'intelligence artificielle, les scientifiques espèrent créer un outil capable d'entendre les signes subtils des maladies cardiaques avec la même constance qu'un expert de haut niveau, quel que soit l'environnement ou la formation de l'auditeur. Cette approche ne remplace pas le besoin d'imagerie avancée, qui reste l'étalon-or pour confirmer un diagnostic, mais elle offre un moyen puissant de décider qui a besoin de ces soins avancés immédiatement. Une nouvelle étude provenant d'un hôpital en Inde met cette idée à l'épreuve, demandant si un programme informatique peut détecter de manière fiable les cardiopathies congénitales chez les enfants en analysant simplement les sons de leur cœur.

Les chercheurs ont entrepris de construire et de tester un système capable d'écouter les battements de cœur et de décider si un enfant présente une malformation cardiaque. Ils ont recruté 721 enfants et jeunes adultes, allant des nourrissons aux adultes, visitant une unité cardiaque spécialisée. Environ la moitié de ces participants présentaient des malformations cardiaques confirmées, tandis que les autres avaient des cœurs structurellement normaux. À l'aide d'un stéthoscope numérique qui enregistre le son et l'envoie sans fil vers un smartphone, l'équipe a capturé les sons cardiaques en quatre points standards sur la poitrine : en haut à droite, en haut à gauche, en bas à gauche et à la pointe du cœur. Chaque enregistrement durait vingt secondes. L'équipe a ensuite divisé ses données, utilisant les sons de 301 participants pour enseigner à un programme informatique ce qu'est le son d'un cœur sain par rapport à celui d'un cœur défectueux. Les 420 participants restants ont été utilisés pour tester le programme sans que les chercheurs ne connaissent le diagnostic réel au préalable, garantissant ainsi que le test soit équitable et impartial.

Le programme informatique fonctionnait en transformant les ondes sonores brutes en une carte visuelle appelée spectrogramme de Mel. Cette carte affiche le son d'une manière qui imite la perception de la hauteur tonale par l'oreille humaine, permettant à l'ordinateur de voir des motifs dans le bruit qui sont invisibles à l'oreille nue. Le programme analysait ces cartes à l'aide d'un type d'intelligence artificielle connue sous le nom de réseau de neurones convolutifs, qui est conçu pour reconnaître des motifs complexes dans les images et les sons. Le système apprenait à identifier des signatures acoustiques spécifiques associées à différents types de malformations cardiaques, telles que le flux turbulent du sang à travers une valve rétrécie ou le passage continu du sang à travers un trou dans la paroi du cœur. Lorsqu'il entendait un son, le programme calculait un score de probabilité pour déterminer si le cœur était probablement anormal.

Lorsque les chercheurs ont testé le système sur les 420 participants non vus, les résultats ont été frappants. L'intelligence artificielle a correctement identifié 222 enfants sur 233 présentant des malformations cardiaques, n'en manquant que 11 cas. Elle a également identifié correctement 171 enfants sur 187 ayant un cœur sain, signalant 16 enfants sains comme ayant potentiellement un problème. Cette performance s'est traduite par une sensibilité de 95,2 % et une spécificité de 91,4 % par rapport au diagnostic final réalisé par échocardiographie, l'imagerie par ultrasons utilisée comme référence définitive. En termes plus simples, l'ordinateur a très peu manqué d'enfants malades et a rarement déclenché de fausse alerte pour les enfants sains. Le système a performé aussi bien qu'un cardiologue pédiatrique formé écoutant avec un stéthoscope traditionnel, et dans certains cas, il a même surpassé les auditeurs humains dans des environaux bruyants ou avec des enfants peu coopératifs qui pleuraient ou bougeaient.

L'étude a également examiné de près les types de malformations cardiaques que le système pouvait trouver. Il était exceptionnellement doué pour repérer les défauts où le flux sanguin était augmenté, comme les trous entre les chambres du cœur, captant 98 % de ces cas. Il était également très efficace pour trouver les défauts où le flux sanguin était diminué, comme les valves rétrécies, avec un taux de détection de 93 %. Même pour les défauts où le flux sanguin restait normal, le système maintenait un taux de détection élevé de 91 %. Les chercheurs ont noté que les rares cas manqués par le système étaient souvent ceux où la malformation cardiaque produisait des sons très faibles ou inexistants, même pour un expert humain. Cela suggère que les limites de l'ordinateur étaient similaires aux limites de l'audition humaine, plutôt qu'à un échec de la technologie elle-même.

La performance du système est restée constante à travers tous les groupes d'âge, des nourrissons de moins d'un an aux adultes de plus de dix-huit ans. Ceci est particulièrement significatif car écouter les cœurs des nourrissons est notoirement difficile ; leur cœur bat beaucoup plus vite, et ils sont souvent en train de pleurer ou de s'agiter, ce qui rend difficile pour un humain d'isoler le son d'un souffle. Le fait que l'ordinateur ait maintenu une grande précision dans ces conditions difficiles suggère qu'il pourrait être un outil vital pour les programmes de dépistage des nouveau-nés. Les chercheurs ont reconnu que leur étude a été menée dans un centre unique et que le système a été entraîné sur des données provenant d'enfants n'ayant pas encore subi de chirurgie cardiaque. Ils ont également noté que le système était conçu pour détecter la présence d'un problème, et non pour identifier le type spécifique de malformation ou sa gravité.

Malgré ces limites, les conclusions offrent une vision convaincante de l'avenir du dépistage des maladies cardiaques. L'étude démontre qu'un système d'intelligence artificielle intégré à un stéthoscope numérique peut détecter les cardiopathies congénitales chez les enfants avec une grande précision, égalant la performance de spécialistes experts. En fournissant un moyen fiable et non invasif de dépister les malformations cardiaques, cette technologie pourrait aider à identifier les enfants qui ont besoin de soins urgents beaucoup plus tôt, surtout dans les régions où l'accès aux cardiologues spécialisés est limité. Les chercheurs concluent qu'un tel outil a le potentiel de standardiser le dépistage, de réduire les délais de diagnostic et, en fin de compte, d'améliorer les résultats pour les enfants souffrant de malformations cardiaques à travers le monde.