Un biomarqueur ECG pour la mort subite cardiaque découvert par deep learning

Des chercheurs ont entraîné un modèle de deep learning sur l'ensemble des ECG d'une région suédoise, reliés aux certificats de décès, pour prédire la mort subite cardiaque. Le modèle identifie un groupe à haut risque (2,2% de la population) avec un taux annuel de mort subite de 7%, surpassant la fraction d'éjection ventriculaire gauche (FEVG) actuelle. 86,1% des patients à haut risque détectés par l'IA n'étaient pas identifiés par la FEVG. Validé aux États-Unis et à Taïwan, le modèle révèle également un nouveau biomarqueur morphologique ECG potentiellement explicable par des principes électrophysiologiques fondamentaux.