La technologie de santé mobile permettant de détecter la fibrillation auriculaire entraîne un taux élevé de faux positifs et des résultats peu concluants chez certains patients souffrant de certaines maladies cardiaques, rapportent des chercheurs dans le Journal canadien de cardiologie.
Les appareils électroniques cardiovasculaires peuvent augmenter la détection de la fibrillation auriculaire (FA), mais présentent des limites , notamment une courte durée de vie de la batterie et un manque de retour d’information immédiat.
Les nouveaux outils pour smartphone capables d’enregistrer une bande d’électrocardiogramme (ECG) et d’effectuer un diagnostic automatisé peuvent-ils surmonter ces limitations et faciliter un diagnostic rapide ?
La plus grande étude à ce jour, publiée dans la Revue canadienne de cardiologie , révèle que l’utilisation de ces appareils est difficile chez les patients présentant des ECG anormaux. Les chercheurs affirment que de meilleurs algorithmes et un apprentissage automatique peuvent aider ces outils à fournir des diagnostics plus précis. "Des études antérieures ont validé l’exactitude de l’ Apple Watch pour diagnostiquer la FA chez un nombre limité de patients présentant des profils cliniques similaires", a expliqué le chercheur principal Marc Strik, MD, PhD, Institut LIRYC, CHU de Bordeaux, Bordeaux, France.
"Nous avons testé la précision de l’ application Apple Watch ECG dans la détection de la fibrillation auriculaire (FA) chez les patients présentant diverses anomalies ECG coexistantes." L’étude a inclus 734 patients hospitalisés consécutivement. Chaque patient a subi un ECG à 12 dérivations, immédiatement suivi d’un enregistrement de 30 secondes sur l’Apple Watch. Les détections automatisées de AF ECG à dérivation unique par Smartwatch ont été classées comme « aucun signe de fibrillation auriculaire », « fibrillation auriculaire » ou « lecture non concluante » . »
Les enregistrements de la montre intelligente ont été remis à un électrophysiologiste, qui a effectué une interprétation en aveugle , attribuant à chaque trace un diagnostic de « FA » , « absence de FA » ou « diagnostic peu clair » . Un deuxième électrophysiologiste en aveugle a interprété 100 tracés sélectionnés au hasard pour déterminer dans quelle mesure les observateurs étaient d’accord.
Chez environ un patient sur cinq, l’ECG de la montre intelligente n’a pas réussi à produire un diagnostic automatique. Le risque d’avoir un faux positif lors de la détection automatisée de la FA était plus élevé chez les patients présentant des contractions auriculaires et ventriculaires prématurées (PAC/PVC), un dysfonctionnement du nœud sinusal et un bloc auriculo-ventriculaire du deuxième ou du troisième degré.
Pour les patients atteints de fibrillation auriculaire (FA), le risque d’avoir un tracé faussement négatif (FA manqué) était plus élevé pour les patients présentant des anomalies de conduction ventriculaire (retard de conduction interventriculaire) ou des rythmes contrôlés par un stimulateur cardiaque implanté.
Les électrophysiologistes cardiaques étaient largement d’accord sur la différenciation entre FA et non-FA.
L’application pour smartphone a correctement identifié 78 % des patients atteints de FA et 81 % des patients non atteints de FA. Les électrophysiologistes ont identifié 97 % des patients atteints de FA et 89 % des patients non atteints.
Figure : Exemple d’électrocardiogrammes (ECG) faux positifs (un ECG normal n’a pas pu être diagnostiqué chez un patient sans FA) provoqués par l’apparition de complexes prématurés ou de bradycardie et faux négatifs (FA n’a pas pu être détecté chez un patient avec FA) ECG provoqué par de larges complexes QRS et une stimulation ventriculaire (Crédit : Revue canadienne de cardiologie) .
Les patients présentant des extrasystoles ventriculaires prématurés (EV) étaient trois fois plus susceptibles d’avoir des diagnostics de FA faussement positifs sur l’ECG de la montre intelligente, et l’identification des patients présentant une tachycardie auriculaire (AT) et un flutter auriculaire (AFL) était très mauvaise .
"Ces observations ne sont pas surprenantes, puisque les algorithmes de détection automatisés des montres intelligentes reposent uniquement sur la variabilité du cycle ", a noté le Dr Strik, expliquant que les extrasystoles ventriculaires (VE) provoquent des cycles courts et longs, ce qui augmente la variabilité du cycle. « Idéalement, un algorithme ferait une meilleure distinction entre les extrasystoles ventriculaires (VE) et la FA. Tout algorithme limité à l’analyse de la variabilité du cycle aura une faible précision de détection. "Les approches d’apprentissage automatique peuvent augmenter la précision de la détection de la FA par montre intelligente chez ces patients."
Dans un éditorial d’accompagnement, Andrés F. Miranda-Arboleda, MD, et Adrian Baranchuk, MD, Division de cardiologie, Kingston Health Science Centre, Kingston, ON, Canada, ont noté qu’il s’agit de la première étude « du monde réel » à se concentrer sur le utilisation de l’ Apple Watch comme outil de diagnostic AF. «C’est d’une importance notable car cela nous a permis de savoir que les performances de l’ Apple Watch en matière de diagnostic de la FA sont significativement affectées par la présence d’anomalies ECG sous-jacentes. D’une certaine manière, les algorithmes des montres intelligentes permettant de détecter la FA chez les patients atteints de maladies cardiovasculaires ne sont pas encore assez intelligents. Mais ils pourraient le devenir bientôt », ont déclaré les Drs Miranda-Arboleda et Baranchuk. « Avec l’utilisation croissante des montres intelligentes en médecine, il est important de savoir quelles conditions médicales et anomalies ECG pourraient affecter et modifier la détection de la FA à l’aide de la montre intelligente afin d’optimiser les soins prodigués à nos patients », a déclaré le Dr Strik. d. "La détection de la FA avec des montres intelligentes présente un grand potentiel, mais elle est plus difficile chez les patients souffrant d’une maladie cardiaque préexistante."
