Cardiologie
L'IA dans l'insuffisance cardiaque: la voix comme biomarqueur prédictif de décompensation
Le changement de spectre vocal sous l'effet d'une inflation hydrosodée peut-il permettre, grâce à l'intelligence artificielle (IA), de prédire une décompensation cardiaque ? Tout à fait, selon les résultats (non encore publiés) d'une étude présentée lors d'un séminaire organisé par le Groupe de travail belge sur l'insuffisance cardiaque (BWGHF), qui a passé en revue la façon dont l'IA est en passe de révolutionner la prise en charge de l'insuffisance cardiaque.
Le Groupe de travail belge sur l'insuffisance cardiaque (Belgian Working Group on Heart Failure - BWGHF) organisait, il y a quelques jours, la première session de son cycle de soirées scientifiques dédiées à « l’insuffisance cardiaque en 2026 ».
Première thématique, « L'IA en insuffisance cardiaque », abordée d’une part sous l’angle du cardiologue, en l’occurrence le Dr Benoit Lequeux du CHU de Poitiers, président du "Cercle cœur et sommeil" et membre du comité directeur du "Cercle cardio-IA" de la Société française de cardiologie (SFC), puis de celui du juriste, Me Jean-Marc Van Gyseghem.
À la modération, le Dr Pierre Troisfontaines du CHR Citadelle de Liège et le Pr Jean-Luc Vachiery de l’H.U.B. - hôpital Erasme.
Notez d’ores et déjà que les prochains séminaires du BWGHF se dérouleront le 17 septembre (« Télémonitoring en insuffisance cardiaque ») et le 26 novembre (« Nouvelles recommandations sur l’insuffisance cardiaque »).
Du danger des LLMs
Le Dr Lequeux a survolé plusieurs nouveautés, soulignant d’emblée la rapidité avec laquelle l’IA évolue dans ses applications, « alors que nous n’en sommes encore qu’au stade de la recherche ». Il a commencé par rappeler l'importance de bien utiliser l’IA, de connaître le sourcing des données utilisées et souligné les dangers des LLM’s (Grands Modèles de Langage) comme ChatGPT ou Gemini, largement utilisés par le public et les patients (qui peuvent les nourrir avec leurs données médicales...)
Premier problème, les hallucinations, propres aux LLM’s. Elles sont intrinsèquement liées aux data qui, vérolées par le phagocytage par les LLM’s, peuvent générer des sorties fausses. « Certaines hallucinations sont par ailleurs liées à l’entraînement même des modèles et d’autres liées aux inférences inhérentes à la rédaction des prompts », a contextualisé le cardiologue.
Deuxièmement, mieux vaut de toute façon ne pas utiliser les LLm’s car toutes les data qui y sont mises sont potentiellement extractibles par différentes techniques (le « prompt injection »), dont des données médicales.
Des outils IA en open source
Les outils IA implémentés dans l'insuffisance cardiaque sont intéressants tant dans le screening que l’aide au diagnostic, la prise en charge du patient et son éducation thérapeutique.
« Dans l’ECG, examen de base du cardiologue, l’IA, à partir des données brutes, va aller chercher des choses qu’on ne voit pas à l’œil nu pour faire certaines prédictions », explique le Dr Lequeux. Une étude publiée dans Nature montre ainsi que l’ECG est un très bon prédicteur d’insuffisance cardiaque à fraction d’éjection altérée, et peut même prédire un risque de développer une cardiopathie à terme. « L’ECG devient ainsi une sorte de biomarqueur. »
« L’ECG devient une sorte de biomarqueur. » - Dr Benoit Lequeux (CHU de Poitiers)
L’IA se ''goinfrant'' de données, plus on en dispose, meilleurs seront les résultats. Mais chacun fait son modèle IA dans son coin, à l’instar de la Mayo Clinic par exemple. Comment savoir dès lors si le modèle utilisé est compatible avec votre population étudiée ?
L’équipe du Pr Robert Avram de l’université de Montréal, directeur du HeartWise.AI, a conçu deux modèles d’interprétation d’EGG dits « de fondation » (DeepECG-Sl et -SSL), càd basé sur toutes les données existantes exploitables (plus précisément, 2,5 millions d’ECGs issus de 13 data sets à travers l’Amérique du Nord et l’Europe [1]) pour prédire le risque d’insuffisance cardiaque à fraction d’éjection inférieure à 40 %, de développer une fibrillation atriale et de QT allongé.
« Ces modèles sont donnés en open source à la communauté scientifique, mais ils sont bruts », précise le Dr Lequeux. Pour pouvoir les faire tourner, le cardiologue français a créé un logiciel disponible sur https://github.com. « Des modèles en échocardiographie (https://us2.ai/ étant le plus avancé) et en coronaro sont aussi en train d’arriver, espérons qu’ils seront également disponibles en open source », ajoute-t-il.
L'IA fortiche en matière de prédiction
« Le champ d’application le plus utile pour nous en pratique est le télémonitoring, invasif ou non, et là, pas mal de choses sont en train d’arriver », poursuit le Dr Lequeux, qui en profite pour rappeler au passage que les patients doivent toujours être prévenus en cas de recours à l’IA (en salle d’attente ou sous votre compte-rendu de la consultation, par exemple).
Et de citer l’exemple d’une étude [2] parue en 2023 menée sur 488 patients hospitalisés pour insuffisance cardiaque, suivis avec un gros volume de data issues de questionnaires réguliers et de leurs paramètres vitaux (pression artérielle, poids, fréquence cardiaque, taux d’oxygène et diurèse) pour arriver à développer un modèle d'intelligence artificielle capable de prédire le risque d'épisodes de décompensation cardiaque (EDC) de manière opportune et précise.
Ces chercheurs - des Espagnols - ont montré que les variables physiologiques les plus prédictives d’EDC sont la prise de poids, la saturation en oxygène dans les derniers jours et la fréquence cardiaque. Les réponses aux questionnaires sur le bien-être, l'orthopnée et les chevilles constituaient aussi des prédicteurs fortement significatifs.
La voix prédit la décompensation cardiaque
Autre outil d’IA très intéressant dans la télésurveillance de l’insuffisance cardiaque, la voix comme biomarqueur prédictif de décompensation cardiaque. L’idée de départ : en cas de congestion pulmonaire et d’inflation hydrosodée, le spectre vocal se modifie, ce changement peut-il prédire une IC ?
L’étude TIM-HF3, présentée au congrès Heart Failure 2026 de l'ESC début mai à Barcelone mais dont les résultats n’ont pas encore été publiés [3], montre qu’une simple analyse vocale réalisée via smartphone (appel toutes les semaines, avec des phrases chargées de certaines consonnances révélatrices) constitue un biomarqueur prédictif ultra-précoce et très efficace (beaucoup moins de fausses alertes) pour détecter les décompensations, avec une détection médiane 29 jours avant l’hospitalisation, contre 13 jours avec la seule surveillance du poids.
Enfin, autre avenir prometteur dans l’IC, les medical chatbots (Cf. Hippocratic AI, par exemple) qui appelleront les patients et les questionneront (avec empathie, en plus !), avec analyse spectrale, revue de la médication et conseils, puis enverront un compte-rendu au praticien.
« Un praticien que l’IA ne remplacera pas », ont fortement souligné les deux orateurs de cette première session, « mais qu’elle augmentera, upgradera. » Le contrôle humain demeurera plus que jamais essentiel.
Références
1. European Heart Journal, Volume 47, Issue 18, 7 May 2026, Pages 2174–2186, https://doi.org/10.1093/eurheartj/ehaf1119
2. Cardiovasc. Dev. Dis. 2023, 10(2), 48; https://doi.org/10.3390/jcdd10020048
3. Design de l’étude : European Heart Journal - Digital Health, Volume 7, Issue Supplement_1, January 2026, ztaf143.091 https://doi.org/10.1093/ehjdh/ztaf143.091