Un outil d’IA pour évaluer le risque d’insuffisance cardiaque au Canada

Un chercheur canadien, soutenu par une bourse de recherche dédiée aux universitaires noirs, développe un outil basé sur l’intelligence artificielle capable d’évaluer le risque d’insuffisance cardiaque. Ce système innovant pourrait transformer la détection précoce et la prise en charge des maladies cardiaques au Canada.

Une démarche personnelle au service de la santé publique

Blessing Ogbuokiri, professeur adjoint en informatique à l’Université Brock, s’est lancé dans cette recherche après la perte de sa mère due à un problème cardiaque. Sa volonté est d’utiliser l’intelligence artificielle pour soutenir les personnes confrontées à des risques similaires.

« Je ne suis pas médecin, mais je pense pouvoir contribuer à une solution qui pourrait prévenir l’insuffisance cardiaque grâce à mes compétences en intelligence artificielle », explique-t-il. En tant que directeur du Laboratoire responsable et appliqué d’apprentissage automatique (RAML Lab) de Brock, il travaille avec une équipe d’étudiants sur ce projet ambitieux.

Un modèle d’apprentissage automatique pour prédire le risque d’insuffisance cardiaque

L’équipe de recherche utilise les données de l’Étude longitudinale canadienne sur le vieillissement pour entraîner un modèle d’apprentissage automatique. Ce dernier analyse plusieurs variables médicales et sociales, telles que :

• l’historique médical,
• le statut tabagique,
• le niveau d’activité physique,
• le statut socioéconomique,
• la présence de maladies chroniques comme le diabète.

« Une fois le modèle suffisamment entraîné pour reconnaître ces schémas, il pourra prédire par exemple qu’une personne a 50 % de chances de souffrir d’insuffisance cardiaque et d’être hospitalisée », précise Ogbuokiri.

Un outil accessible pour patients et professionnels de santé

L’objectif est de créer un dispositif simple, utilisable « en un clic » par les patients et les professionnels de santé pour évaluer rapidement le risque d’insuffisance cardiaque. Cette information pourrait :

• inciter les patients à adopter un mode de vie plus sain, comme augmenter leur activité physique ou arrêter de fumer,
• permettre aux professionnels de santé de mettre en place des mesures préventives avant que le système hospitalier ne soit submergé par un afflux massif de patients.

Réduire les inégalités dans l’accès aux soins cardiaques

Le professeur Ogbuokiri souligne que son modèle pourrait également améliorer l’accès aux interventions précoces pour les patients issus des communautés noires et autres groupes en quête d’équité, souvent plus touchés par l’insuffisance cardiaque et confrontés à des biais dans le système de soins.

En effet, certains modèles de santé peuvent sous-estimer systématiquement le risque chez certaines populations, comme les patients noirs ou à faibles revenus, créant ainsi des disparités dans la prise en charge.

De plus, ces préjugés peuvent être involontairement intégrés dans les algorithmes d’apprentissage automatique, ce qui entraîne des opportunités inégales et des informations biaisées. Pour éviter cela, les chercheurs appliquent des techniques de mitigation des biais lors du prétraitement des données et évaluent l’équité du modèle à l’aide de métriques spécifiques afin d’assurer une performance équitable entre les groupes démographiques.