Deep phenotyping to integrate laboratory workflow in hypertrophic and dilated cardiomyopathy: an Italian exploratory study

Les maladies cardiaques portent souvent un code caché au sein de notre ADN. Deux formes courantes, connues sous les noms de cardiomyopathie hypertrophique et de cardiomyopathie dilatée, impliquent que le muscle cardiaque devienne soit trop épais, soit trop faible et étiré. Bien que les médecins sachent que des erreurs génétiques causent fréquemment ces conditions, identifier l'erreur spécifique n'est pas toujours simple. Dans de nombreux cas, les tests génétiques renvoient des résultats ambigus, laissant les patients et leurs familles sans réponse définitive. Cette incertitude crée une lacune difficile dans les soins, car connaître la cause génétique exacte aide les médecins à prédire l'évolution future de la maladie et à guider les membres de la famille. Pour combler cette lacune, les chercheurs se sont longtemps demandé si les signes physiques de la maladie — la façon dont le cœur apparaît sur une échographie ou la manière dont il bat sur un moniteur électrique — pourraient servir de carte pour prédire quels patients sont les plus susceptibles d'obtenir une réponse génétique claire.

Une équipe de scientifiques de trois hôpitaux italiens s'est donné pour mission de tester cette idée auprès d'un large groupe de patients. Ils ont rassemblé les dossiers détaillés de 186 individus présentant la condition de cœur épaissi et de 176 présentant la condition de cœur étiré. Pour chaque personne, ils ont collecté une vaste quantité d'informations, incluant l'âge, les antécédents familiaux, la pression artérielle et des mesures spécifiques issues d'échographies cardiaques et de tests électriques. Ils ont ensuite comparé ces détails physiques aux résultats des tests génétiques des patients. L'objectif était de voir si un ordinateur pouvait apprendre à repérer des modèles dans les données physiques qui signaleraient une découverte génétique claire par rapport à une découverte ambiguë.

Les chercheurs ont utilisé des outils d'apprentissage informatique avancés pour passer les données au crible, à la recherche de connexions qu'un œil humain pourrait manquer. Ils ont découvert que certains traits physiques se distinguaient nettement. Pour les patients souffrant du cœur épaissi, des facteurs tels que la largeur de l'artère principale du cœur, l'épaisseur de la paroi postérieure du cœur et la durée du signal électrique à travers le thorax étaient les indices les plus forts. Pour ceux ayant le cœur étiré, la durée de la pause électrique entre les battements et l'âge au moment du diagnostic étaient les signes les plus révélateurs. Cependant, lorsque l'équipe a testé l'efficacité de ces indices pour prédire réellement le résultat pour de nouveaux patients, les résultats ont été modestes. Les modèles informatiques pouvaient distinguer les résultats génétiques clairs des résultats ambigus mieux qu'un choix aléatoire, mais ils n'étaient pas assez puissants pour être utilisés comme un outil de diagnostic autonome.

L'étude suggère que si la forme physique et le comportement du cœur détiennent certains indices sur la génétique sous-jacente, ils ne constituent pas une image complète. Les chercheurs ont constaté que des modèles spécifiques de traits physiques apparaissaient systématiquement parallèlement aux résultats génétiques clairs, mais que ces modèles n'étaient pas assez forts pour remplacer la nécessité des tests génétiques. Les conclusions indiquent qu'observer le patient dans sa globalité — ses symptômes, ses mesures cardiaques et ses antécédents familiaux — pourrait aider les médecins à décider quels patients sont les plus susceptibles de bénéficier de tests génétiques, mais cela ne peut pas encore leur donner la réponse à lui seul. Ce travail souligne que la relation entre le cœur physique d'une personne et son code génétique est complexe, et bien que l'observation approfondie du corps offre un contexte précieux, elle sert actuellement mieux de complément à l'analyse génétique que de remplacement pour celle-ci.