Automatic Prediction of Paediatric Cardiac Output From Echocardiograms Using Deep Learning Models.

Contexte: Les perturbations du débit cardiaque sont fréquentes et associées à des taux élevés de morbidité et de mortalité. Une évaluation juste du débit cardiaque est essentielle pour orienter le choix du traitement anesthésique et des soins critiques. Or, il est difficile de mesurer le débit cardiaque, même pour les experts. Les méthodes fondées sur l'intelligence artificielle semblent toutefois prometteuses pour évaluer le débit cardiaque avec exactitude et rapidité. Méthodologie: Nous avons analysé des échocardiogrammes pédiatriques chez des personnes dont le débit cardiaque est normal ainsi que chez des patients qui étaient atteints d'une cardiomyopathie dilatée et dont le débit cardiaque était réduit. Des experts ont mesuré le diamètre de la voie d'éjection ventriculaire gauche, l'intégrale de la vitesse par rapport au temps (IVT), le débit cardiaque et l'index cardiaque. L'outil EchoNet-Dynamic est un modèle d'apprentissage profond qui donne une estimation de la fraction d'éjection chez les adultes. Nous avons modifié ce modèle afin qu'il puisse prédire le diamètre de la voie d'éjection ventriculaire gauche et l'avons entraîné à l'aide de données pédiatriques. Nous avons également mis au point une nouvelle approche d'apprentissage profond pour l'estimation des valeurs d'IVT. La combinaison de ces modèles a permis de prédire de façon automatique le débit cardiaque, et nous avons évalué les résultats obtenus par rapport à ceux des experts. Les principaux critères d'évaluation étaient l'erreur moyenne quadratique (EMQ), l'erreur moyenne absolue (EMA), le pourcentage d'erreur moyen (PEM) ainsi que le coefficient de détermination (R2). Résultats: Dans un ensemble d'essais n'ayant pas été utilisé au cours de l'entraînement du modèle, l'index cardiaque a été estimé avec une EMQ de 0,389 L/min/m2, une EMA de 0,321 L/min/m2, un PEM de 10,8 % et un R2 de 0,755. Selon l'analyse de Bland-Altman, le biais pour les estimations de l'index cardiaque était de + 0,14 L/min/m2, et les limites de concordance à 95 % étaient de ­0,58 à 0,86 L/min/m2. Conclusions: Les estimations générées par le modèle pour le débit cardiaque montraient une forte corrélation avec les valeurs de référence et un biais à 0,17 L/min, ce qui est mieux que bien des mesures du débit cardiaque utilisées en pédiatrie. Malgré un petit ensemble de données, le modèle entraîné a permis de produire une estimation juste. Les utilisations potentielles comprennent l'aide aux cliniciens dans le calcul du débit cardiaque en temps réel et au chevet du patient, le dépistage d'un faible débit cardiaque et l'évaluation de la réponse au traitement.